GPT4 Turbo
AI“短板”暴露:研究发现 GPT-4 Turbo 回答高级历史题准确率仅 46%
这项研究由奥地利复杂科学研究所(CSH)的团队主导,旨在测试三大顶尖大型语言模型(LLMs)——OpenAI 的 GPT-4、Meta 的 Llama 和谷歌的 Gemini—— 在历史问题上的表现。研究团队开发了一个名为“Hist-LLM”的基准测试工具,其根据 Seshat 全球历史数据库来测试答案的正确性,Seshat 全球历史数据库是一个以古埃及智慧女神命名的庞大历史知识数据库。
研究结果于上月在知名 AI 会议 NeurIPS 上公布,结果显示,即使是表现最佳的 GPT-4 Turbo 模型,其准确率也仅为 46%,并不比随机猜测高多少。
1/20/2025 4:24:35 PM
远洋
- 1
资讯热榜
ChatGPT“生成吉卜力风格 AI 图”海外潮流引发版权争议,CEO Sam Altman 回应将施以限制
GPT-4o整活!3个小时、6个镜头重现吉卜力版《甄嬛传》名场面
DeepSeek-R1之后推理模型发展如何?Raschka长文梳理后R1时代14篇重要论文
内存革命!LangGraph 0.3.19如何实现Python内存使用效率的飞跃?
宫崎骏“怒了”?ChatGPT吉卜力风潮惹版权争议,OpenAI或面临法律挑战!
国内首款中医 AI 大模型 “广医・岐智” 发布
OpenAI 审查策略大转向!ChatGPT 新图像生成器爆红,争议内容限制放宽引关注
告别AI“一本正经”!Midjourney联手NYU解锁创意文本新维度,多样性飙升23%!
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
机器人
数据
谷歌
模型
大模型
Midjourney
智能
用户
学习
GPT
开源
微软
AI创作
Meta
图像
技术
论文
Stable Diffusion
马斯克
算法
Gemini
蛋白质
生成式
芯片
代码
神经网络
腾讯
英伟达
计算
研究
Sora
AI for Science
AI设计
3D
机器学习
GPU
开发者
Anthropic
场景
华为
预测
伟达
Transformer
深度学习
模态
百度
AI视频
苹果
驾驶
文本
搜索
xAI
神器推荐
人形机器人
Copilot
LLaMA
具身智能
算力
安全
大语言模型
Claude
应用
字节跳动
视频生成
科技
视觉
干货合集
2024
AGI
特斯拉
亚马逊
架构
语音