第三百七十七章 汇报怎么做啊？ (第1/3页)

    本次测试数据基于当前上线的汤圆0.9版本与新训练完成的汤圆1.0版本进行对比。

    0.9已经很强了。自4月1日发布至今已近两个月，随着各家陆续发布新模型，汤圆虽不再是全榜单最强，却仍在意图理解、低幻觉率等几个方向霸榜。

    在模型迭代飞快、榜单天天轮换的当下，这并不多见。

    对汤圆刷榜的质疑声也越来越少。

    刚训练完成的1.0与0.9最大的区别，在于加入了更多、逻辑链更长、质量更高的标注数据。

    这类数据再次提升了汤圆模型的逻辑能力。

    相较0.9，1.0在复杂意图理解、长程任务完成率上又有提高。

    这些原本就是汤圆模型的强项。

    换句话说，0.9到1.0的演进并非补齐短板，而是把原本就长的长板拉得更长。

    除上述之外，汤圆相较其他海外一线模型最强之处，是中文能力。

    这源于汤圆后训练中的大量标注数据以中文为主，预训练中文语料占比也高于其他模型。

    不少模型虽号称支持多语言，运算和思考过程却常用英语，直到最后输出层才翻译成中文。这样的逻辑自然会导致许多中文语境中的隐藏语义缺失。

    韩路一看了看测评结果，问道：“长程任务的提升有这么多？”

    “我们在推理侧也用了异步新框架。”赵文渊说道。他没有展开解释，反正一会儿也要讲。

    赵文渊随即打开一个长程任务示例，向韩路一展示。

    这个任务的输入提示有多简单呢？

    其中只有一句话：“写一个Minecraft。”

    Minecraft，中文名我的世界，是一款瑞典程序员独立开发的游戏，后来以十亿美元卖给了微软。

    它一度是全球销量最高的游戏，全球卖出三亿多份。

    这个游戏有趣的地方在于：画面极为简陋，系统却极为复杂。

    若对任何一个AI模型说“给我写一个Minecraft”，模型都能输出点儿什么。

    一个能移动、能放置、能破坏的像素游戏？还行。

    再加上生存系统，游戏人物有饥饿度、健康度，会掉血也会死？这就

    （本章未完，请点击下一页继续阅读）

『加入书签，方便阅读』