#MMLU

Reflection Beam推出了501B参数的开源模型，性能超越GPT-4，开源社区又添一员猛将。

官方账号Latent Space (swyx)原文

OpenAI一夜之间连发25项更新，GPT-6.1 Sol性能全面提升，API调用更高效。

量子位@衡宇11 个信源在谈原文

一个才 9.7 MB 的小适配器，挂在 Bonsai 2 27B 上就能去掉拒绝回答，MMLU 几乎不掉分，16 GB 的 MacBook 也能跑。

@atomic_chat_hq@atomic_chat_hq原文

B站UP主做的这个民间测试很有意思，用各种贴近现实、条件更苛刻的场景测试大模型，看它们能不能真正干活，而不是只看跑分有多好看。

掘金本周最热@石小石Orz11 个信源在谈原文

Meta搞了个新模型，叫Llama 3.2，在MMLU和HellaSwag这些测试里比GPT-4强，还分了免费和付费版，企业用户可以试试。

The Rundown AI@therundownai11 个信源在谈原文

Claude 3.5 Sonnet 模型发布，性能超越 GPT-4，值得看看。

宝玉@dotey11 个信源在谈原文

智谱AI发布了GLM-4.5V模型，这个新模型在MMLU基准测试中取得了新成绩，比之前的版本更好。

小互@imxiaohu11 个信源在谈原文

Anthropic 新发布的 Claude 3.5 Sonnet 模型，完整对话记录公开了，你可以去看看它和 GPT-4 的差距。

AI Engineer@aiDotEngineer11 个信源在谈原文

谷歌出了个新玩意儿，叫Gemini Live，就是AI能边干活边说话，比如你写报告的时候，它还能跟你聊天，比之前的版本更方便。

Liputan6 Tekno8 个信源在谈原文

OpenAI 的科学家说 GPT-6 可能失控，这个技术很厉害，值得看看。

CNBC Indonesia Tech11 个信源在谈原文

BenchMIRT研究告诉你，现在流行的LLM基准测试到底在测什么，有什么局限性。

有个模型不用英伟达显卡就做到了万亿参数，性能还比Llama强，成本更低，开源可商用，搞大模型的可以试试。

量子位@闻乐5 个信源在谈原文