震撼!GPT-4 Turbo级国产大模型登场,周冠宇F1赛事数据秒分析惊呆国际大佬
原标题:震撼!GPT-4 Turbo级国产大模型登场,周冠宇F1赛事数据秒分析惊呆国际大佬
导读:
还记得曾经从英伟达和贝索斯们手里融了万美元誓要以驱动的透明搜索体验挑战谷歌俘获大批社区支持者的吗这家一直鄙视广告业务的硅谷明星公司也准声明本文来自于微信公众号电商在线作者王亚琪...
还记得曾经从英伟达和贝索斯们手里融了7360万美元,誓要以AI驱动的透明搜索体验挑战谷歌,俘获大批社区支持者的Perplexity吗?这家一直鄙视广告业务的硅谷明星AI公司,也准
声明:本文来自于微信公众号 电商在线(ID:dianshangmj),作者:王亚琪,授权 转载发布。
中国的,已经震惊了外国科技圈。
这不,这几天商量大模型的更新,直接让外国网友惊呼:太疯狂了,中国的AI界究竟还有多少我们不知道的巨变?
不怪这些网友太大惊小怪——最近全新升级的日日新·商量大模型5.0(SenseChat V5),在基础能力上再次重大更新,直接把大模型能力升级到新的阶段,直观印象可感的那种。
简单来就是,这款拥有强大逻辑推理能力的6000亿参数MoE模型,可以轻松地把你变成一个更好的打工人。
打工神器Part1:办公小浣熊
所以说了这么多,得到日日新5.0加持的产品,到底会有怎样非一般的体验?
首先,我们来看看最直击打工人痛点的「办公小浣熊」。
顾名思义,它主打的就是一个办公能力。
体验地址:https://raccoon.sensetime.com/office
众所周知,在真实的办公场景中,往往会有很多极其复杂的图表,就连我们人类自己看到都会晕头转向。
更何况还有不少资料只有外文的,更是增加了阅读障碍。
办公小浣熊可以hold住吗?
前两天,F1中国大奖赛刚刚落幕,而作为索伯技术合作方的商汤,更是提供了一些资料。
而我们也借此直接上了点难度:导入一份拥有60万条数据的「全英文」表格,涵盖F1历史各类数据信息,让它分析一下。
毫不夸张地说,这项测试非常难!
要知道,这份数据体量非常庞大。而且数据库中除了英文,还包含简写、划线-等复杂的元素。
比如,「周冠宇」对应的是「guanyu-zhou」(甚至不是guanyu zhou),信息模糊度比较高。
因此,对于模型来说,分析这样的数据并非是一件易事。
而我们也对这次的挑战,充满期待。
顺便说一嘴,商汤从2022年周冠宇第一次登上F1赛场开始,连续三年都是车队的技术合作伙伴
接下来,考验真本事的时候到了,我们给办公小浣熊下发任务:
给出周冠宇在2020-2024之间参与比赛数量的柱状图。
果不其然,在第一次尝试时,办公小浣熊无法从表中的英文名字「guanyu-zhou」匹配到周冠宇。
因此,它会认为图中没有周冠宇的信息。
下一步就得上点「提示」技巧了。
在接下来互动中,和它说「肯定会有的,你再找找」。
通过一步步的引导和互动,模型在我们的引导下学会了反思,然后成功地完成了任务!
可以看到,办公小浣熊通过努力思考,完成了所给任务的数据分析,并给出了相应的Python代码。
而这个交互过程也告诉我们,如果给模型的数据表格并不匹配、比较模糊,模型表现不尽如人意时,也不要放弃。通过互动,模型就很可能给我们惊喜,给出不一样的数据交互体验。
下面就是一个更难的任务,我们把F1历史上所有车手、车队、比赛、赛道、引擎制造商等等信息,导入数据库文件中,这个数据量是非常庞大的。
然后问模型:F1当中总共有多少车手?可以交叉表格进行计算。
这个任务,同样难度非常大,因为在所有字段中,没有任何一个是中文的。
最终,办公小浣熊用模糊的匹配,找到了相对应的信息——901位车手,这个答案完全正确!
在大模型产品中,办公小浣熊的这个表现,堪称高手中的高手。
在这个过程中,模型正是通过交互模式迭代的逻辑,多次查询了不同的表头,最终给出了能让我们理解的信息。
再换一个问题,「有哪些车手获得总冠军?并按获奖次数从高到低绘制柱状图」。
最终,模型整理出:获得最多总冠军的车手是汉密尔顿和舒马赫。
接下来,我们来看看它能不能从不同维度,统计出汉密尔顿和舒马赫的获奖情况。
办公小浣熊画了一个雷达图,清晰呈现出两人杆位数、圈数、领奖台数、胜利数等各维度的能力,汉密尔顿的次数还是略高于舒马赫。
在这个真实的数据应用场景中,通过交互方式对复杂表格实现了联动,日日新5.0表现出的强大推理能力,令人印象着实深刻。
下面,再来一个同样高难度的市场采购的案例。
上传「2024年新增供应商相关信息」文档之后,要求它整合到一个表格中,并要求表头以列出供应商分类、供应商名称、产品名称...列出。
办公小浣熊立刻给出了一个完整、清晰的表格总结版。
甚至,它还可以为你生成一个可视化的柱状图,将IT类、固资类、营销类、行政类费用直观地呈现出来。
包括热力图这类图表生成,它也可以拿捏。
此外,我们还可以一并上传多个文档,让办公小浣熊继续完成要求的任务。
首先它给出了可查阅的代码,最后生成了不同类别需要采购的数据表格,一看即明了。
一通测试下来,小编的感慨就是:能用上如此高效的数据分析、总结办公神器,真是每位打工人的福音。
并且,它还是免费的!
打工神器Part2:文档大模型
另一个鲜明体现出日日新5.0能力的产品,就是商量-文档大模型。
据说,除了表格数据分析外,在长文本处理这个场景下,模型的能力也是一绝。
那我们就要来上难度了:丢给它一堆数学试卷,要求它从中找出一道解一元一次方程的解答题。
很快,它不仅从「小学数学试卷」的第五部分找到了对应的题型,甚至还麻溜地给出了解题过程。
我们还可以对它要求,再帮忙出一道类似的题目,但题型得是选择题。
它不光给出了题干,还顺便给出了正确答案和解题步骤。
再比如,上传一份小学试卷,让文档大模型帮你以小学生的理解力,去分析其中的一道应用题。
它可以像一位耐心的老师,指导学生做题一样,从步骤1、2、3详细地分析了缜密的解题过程,并给出了答案。
这样的AI老师,有谁不爱?
然后,文档大模型还可以是「出题机」,能给出一道类似的题目,可以充分锻炼自己举一反三的能力。
你还可以将自己做完试题的结果,告诉它,让它为你打分。
显然,8.4÷0.4=2.1答案不正确,正解应该是21。
就着这个文档,你可以无限提问。
文档大模型在题目几乎糊在一块儿的页面中,不仅能准确识别你想要的题目,还能悉心给出解答。
给它上传一份唐诗三百首和宋词三百首,我们就可以根据这些文件提问了!
比如,找出描写月亮的诗词。
它迅速找出了《静夜思》《望月怀远》《水调歌头.丙辰中秋》等作品。
下面,我们还可以来一个拔高性的提问:月亮在唐诗和宋词中的内涵有哪些异同点?
它回答道:相同点在于都是情感寄托、时光流转的象征和美的象征,不同点就在于表现手法、情感深度和文化背景的不同。
要问小编每天起早贪黑地辛苦打工,最爱听到的词是啥?大家异口同声的三个字就是——
10W+!
10w+的文章,到底有哪些套路呢?让文档大模型帮我们来分析一下。
以下是五篇10w+公众号爆款文章(没错,看名字就知道了)。
让我们把它们一次性扔给文档大模型。首先,它可以帮我们总结出每篇文章的摘要。
互联网文章千千万,为什么偏偏是它们成了爆款?
文档大模型分析后总结道:贴近生活的真实故事,一下子就让读者找到了自己的影子,产生了强烈的情感连接。
挖掘出人类共通的情感体验,再提供不同的观察视角,就会让文章有较高的思考价值。
所以,根据上述经验,我们如何炮制出类似的爆款呢?文档大模型提供了以下思路——
疫情下的亲子关系新常态;远程工作时代的职场妈妈;数字断舍离;老钱风到新钱风;人工智能时代的职业转型之路……
好家伙,这些命题听起来个个都很吸睛,已经忍不住想看了!下一步,就是码出几千字,篇篇十万加,走上人生巅峰了。
文档大模型这种超强的文本分析能力,甚至可以为文史哲的同学们写严肃论文提供思路。
比如,《论语》和《道德经》关于「德」的观点,有何异同?
文档大模型在咀嚼了长达29页21638个字的《论语》和14页7302个字的《道德经》后,分析出——
相同点在于,二者都高度重视「德」在个人修养和社会治理中的作用;区别在于,《论语》中的「德」更多关联到个人,后者还涉及到顺应自然、无为而治的理念。
如果想深入研究,应该阅读那些参考文章和书籍?文档大模型列出了相关领域的经典著作。
更厉害的来了,如果把两个文档的思想整合,能得到怎样的启发呢?文档大模型表示,可以从和谐共生的生活哲学、内在修养与外在行为的统一等方面入手。
沿着这个思路深入探讨下去,或许就能肝出一篇观点别具一格的学术论文了。
一大波Benchmark袭来
当然,除了打工之外,对于各种刁钻的测试,日日新5.0也没在怕的。
首先我们来看一张新鲜出炉的小米SU7照片。
因为是随手抓拍的,车辆本体其实很小。
不过,在日日新5.0加持下的商量,很轻松地就识别出了车型,而且还附上了一波详细的介绍,非常专业。
相比之下,其他的模型就直接GG了。
要么是认错了车,要么连车都没看到,只识别出了照片的水印。
接下来,向我们走来的,就是日日新5.0大战「弱智吧」难题。
「只切一刀,如何把四个橘子平均分给四个小朋友?」
商量为了公平起见,只切一刀还是得将四个橘子排成一排。这样,一刀下去,每个小朋友还是一人一个橘子。
这招真是高明!
接下来,则是一道非常「正经」的推理题。
「一个猎人向南走了一英里,再向东走了一英里,然后向北走了一英里,最终回到了出发点。他看到一只熊并开枪打死了它。这只熊是什么颜色」?
商量一语中的,说出了这道题实际上是——地理谜语。
因为只有在极点的时候,猎人才能听起来这么曲折的路程,回到出发点。
也就是说,这只熊一定是北极熊了。
5次模型迭代,全面对标GPT-4Turbo
一波测试下来,想必你也对升级后的日日新5.0能力,有了大概的了解。
下图是一张对行业里模型的横评。
注意看,图中有一个亮点:最近的行业模型迭代,在纯粹知识型能力上提升没有那么显著,但在高阶推理,尤其是数学能力上,有了很大提升。
比如,GPT-3.5到GPT-4的提升有100%之多,而Llama2到Llama3,直接提升了400%之多。
这是因为,大部分用来提升数据质量的能力都构建在了推理能力上,并且是合成数据的推理。
尤其对于领域应用的落地而言,高阶推理能力更是成了行业大模型能力推进的重要指标。
日日新5.0在大部分核心测试集指标上,都已对标甚至超过了GPT-4Turbo
让我们重回到这些评测上,不难看出,日日新5.0在语言、知识、推理、数学、代码等能力上,都有了一波明显的。
而在主流客观评测上,它已经达到甚至超越了GPT-4Turbo的水平!
正如前文所说,日日新5.0如此之强的能力,靠的就是商汤团队在模型架构,以及数据配方上的持续优化。
从日日新1.0、到2.0、3.0、4.0,以及今天5.0的发布,每一次版本重大的迭代,背后核心都是——数据的升级。
过去一年里,商汤花了大量时间去完成了语料质量的优化,搭建了完善的数据清洗的链条。
对于5.0版本,他们重点关注了数据集中,是否蕴含比较丰富的逻辑。
通过对有高信息密度,逻辑性强的语料给予更高的权重,并对整体语料进行了高质量清洗,从而实现性能提升。
具体来说,商汤在知识层面上,采用了超10T的Token,保证了LLM对客观知识和世界的初级认知。
除此以外,商汤还合成了数千亿的思维链数据,成为日日新5.0性能提升,对标GPT-4Turbo的关键。x
在内部,合成数据方式经历了两次迭代,从最初用GPT-4来合成数据,过渡到用自己模型中间版本合成数据,再进行训练的过程。
其中,商汤90%的合成数据是自家模型生成的,另外10%的数据由世界顶尖LLM生成。
由此,便可以得到非常高质量的数千亿合成数据。
这几天,奥特曼在斯坦福闭门演讲中谈到,「Scaling Law依旧有效,GPT-5要比GPT-4更强大,GPT-6也远远超越GPT-5,我们还没有到达这条曲线的顶端」。
也就是说,大模型下一步发展的空间潜力,将是无穷无尽的。
还真是有点期待日日新6.0的诞生了。
参考资料:
https://chat.sensetime.com/
- 版权所属:王牌阁
- 本文地址:http://same.uexe.cn/21336.html
- 版权声明:原创文章,转载时必须以链接形式注明原始出处及本声明。