ai capabilities | BriefGPT - AI 论文速递

关键词ai capabilities

搜索结果 - 12

MathOdyssey: 使用 Odyssey 数学数据对大型语言模型中的数学问题解决技能进行基准测试
该研究探讨了大型语言模型（LLMs）在数学问题求解方面的能力，并使用新开发的 “MathOdyssey” 数据集进行测试。研究结果显示，尽管 LLMs 在常规和中等难度任务上表现良好，但在奥林匹克级难度和复杂的大学水平问题上仍面临重大挑战，
PDF6 days ago
评估大型视觉语言模型在儿童数学奥林匹克竞赛上的表现
通过评估最先进的大型视觉和语言模型在儿童奥林匹克数学竞赛中的数学推理能力，我们填补了当前科学文献中缺少的有关联合视觉和文本推理的系统分析，结果显示现代大型视觉和语言模型在高年级的问题解决能力越来越强，但缺乏解答针对年幼儿童设计的问题的基础知
PDF10 days ago
解读并列: AI 模型能理解幽默的矛盾吗
通过对具有矛盾叙事的漫画展开研究，本文引入了 YesBut 评估基准，旨在评估人工智能在识别和解释具有幽默矛盾的漫画方面的能力。通过广泛的实验和分析，我们发现即使是最先进的模型在此任务上仍然落后于人类表现，为人工智能在理解人类创造性表达方面
PDFa month ago
语言模型基准测试的可预测性如何？
通过在 11 种最近的模型架构中研究大规模语言模型在五个数量级的计算规模上的表现，我们发现平均基准性能相当可预测，尽管在特定任务中的性能预测具有挑战性，因此计算规模提供了预测人工智能在不同基准测试中能力的有希望的基础。
PDF6 months ago
技能结构：一种灵活且可扩展的 AI 模型评估家族
基于 LLM，本研究提出了 Skill-Mix 评估方法，衡量模型灵活组合技能的能力，并探索了基于此方法构建未来模型的能力评估生态系统。
PDF8 months ago
TrafficGPT：查看、处理和交互交通基础模型
通过将 ChatGPT 和交通基础模型相结合，TrafficGPT 在交通管理领域中不仅推动了交通管理的进步，也为在该领域利用人工智能能力提供了一种新的方法。
PDF10 months ago
联邦学习：组织机会、挑战和采用策略
通过探索联邦学习的技术基础和潜在应用，提出了一种用于组织采用联邦学习的概念框架，以及不同行业的优秀组织在联邦学习中可能考虑不同方法的讨论，进而指出联邦学习为商业和信息系统工程界提供了机会进行广泛的跨学科研究。
PDFa year ago
ivrit.ai: 一个用于 AI 研究和开发的全面希伯来语数据集
我们介绍了 “ivrit.ai”，它是一种全面的希伯来语语音数据集，解决了希伯来语自动语音识别（ASR）技术推进所面临的严重资源缺乏问题。该数据集包括超过 3300 小时的语音和 1000 多个不同的说话者，涵盖了各种语境下的希伯来语音。它
PDFa year ago
新闻验证者对决：ChatGPT 3.5、ChatGPT 4.0、Bing AI、Bard 在新闻事实核查中的比较表现评估
本文评估了开放 AI 的 ChatGPT 3.5 和 4.0、谷歌的 Bard (LaMDA) 和微软的 Bing AI 等主要大型语言模型在使用黑箱测试区分新闻真伪方面的精通程度。研究发现，这些模型在真伪辨别方面的平均得分为 65.25，
PDFa year ago
pyBibX -- 一款基于人工智能技术的 Python 文献计量与科学计量分析库
本论文提出了一个名为 pyBibX 的 Python 库，用于从 Scopus、Web of Science 和 PubMed 等来源的原始数据文件中进行综合的计量和科学计量分析，并将最新的人工智能 (AI) 能力无缝集成到其核心功能中。该
PDFa year ago
IJCAI视频问答的分层面向对象时空推理
通过提出一种基于对象导向推理的动态交互视频场景中的视觉物体关系、行为和事件的深度神经网络模型（HOSTR），能够在多个视频问题回答基准数据集中取得最新的最高成就并显示出其可靠性、可解释性和高效性。
PDF3 years ago
NeRP: 未知物体的神经重排规划
提出了一种基于深度学习的多步神经对象重新排列规划方法 NeRP，并将其与其他基线方法进行比较，结果表明该方法的效果更好，可以在较少的步骤和规划时间内有效地重新排列未知对象，并在现实世界中展示了其在几个具有挑战性的重新排列问题上的应用。
PDF3 years ago