评估基准

• 人工智能

  无一大模型及格！北大/通研院推出超难基准，专攻长文本理解生成

  像Claude3-200k，GPT4-32k、GPT4-8k、GPT3.5-turbo-6k、LlamaIndex这种商业模型，平均只有40%的准确率。 在长文本理解能力这块，竟然…

  2024年 8月 7日