پژوهش BigCodeBench: هوش مصنوعی در ارزیابی برنامه‌نویسی انسانی نسل بعدی BigCodeBench یک بنچمارک جامع جدید برای ارزیابی توانمندی‌های زبان‌های بزرگ مدل در حل مسایل برنامه‌نویسی انسانی به همراه پوشش بالای ۹۹٪ تست است. ۲۹ خرداد ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در مسابقه تصویرسازی: لیست‌بردی متن‑به‑تصویر و ارزیابی انسانی در ژوئن 2024، هیوگینگ فیس یک لیست‌بردی متن‑به‑تصویر راه‌اندازی کرد؛ بر اساس 45 هزار ترجیح انسانی، مدل‌های متن‑به‑تصویر از Midjourney، DALL·E، Stable Diffusion و سایر مدل‌های متن‌باز را در جدول رقابتی قرار داده است. ۱۷ خرداد ۱۴۰۳ ۲ دقیقه اخبار لیست برتر هوش مصنوعی: سرعت، قیمت و کیفیت مدل‌های LLM بر روی هگینگ فیس در این گزارش، لیست جدید عملکرد مدل‌های زبانی بزرگ در هگینگ فیس معرفی می‌شود. این لیست، معیارهای سرعت، قیمت و کیفیت را برای بیش از ۱۰۰ مدل مورد ارزیابی قرار می‌دهد. ۱۴ اردیبهشت ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی: چگونه تولید خروجی ساختاریافته انتظارهای پایدار را برانگیزد تجربه‌های جدید حاکی از حساسیت ارزیابی مدل‌های زبانی به فرمت‌های مدخل است. روش ساختاردهی خروجی در Hugging Face، ثبات را بهبود می‌بخشد. ۱۱ اردیبهشت ۱۴۰۳ ۲ دقیقه پژوهش رده‌بندی جدید هوش مصنوعی برای سنجش تفکر گام‌به‌گام مدل‌های زبانی معرفی Open CoT Leaderboard؛ رهیافتی تازه برای ارزیابی توانایی مدل‌های زبانی در تولید زنجیره‌های استدلالی، با اندازه‌گیری بهبود دقت به‌جای دقت مطلق و Chain of Thought ۴ اردیبهشت ۱۴۰۳ ۳ دقیقه اخبار جدول تازه سنجش هوش مصنوعی در پزشکی؛ ارزیابی مدل‌های زبانی بالینی هوگینگ فیس با انتشار جدول رده‌بندی باز Medical-LLM، معیاری تازه برای ارزیابی مدل‌های زبانی در حوزه سلامت ارائه کرده تا عملکرد هوش مصنوعی در کارهای بالینی شفاف‌تر شود. ۳۱ فروردین ۱۴۰۳ ۳ دقیقه پژوهش آینده‌ساز کد‌نویسی: لیورورد LiveCodeBench و ارزیابی هوش مصنوعی بر رمز و تلاقی LiveCodeBench یک بنچمارک نوین برای ارزیابی تولید کد توسط مدل‌های هوش مصنوعی است که با استفاده از مسائل واقعی مسابقات برنامه‌نویسی، ارزیابی‌های زمانی و تست خروجی را پوشش می‌دهد. ۲۸ فروردین ۱۴۰۳ ۲ دقیقه پژوهش ConTextual: معیاری تازه برای سنجش هوش مصنوعی چندوجهی در صحنه‌های متنی آشنایی با ConTextual، معیار جدید Hugging Face برای ارزیابی مدل‌های چندوجهی در درک هم‌زمان متن و تصویر؛ گامی به سوی هوش مصنوعی باز و دموکراتیک. ۱۵ اسفند ۱۴۰۲ ۳ دقیقه اخبار TTS Arena: میدان رقابت مدل‌های هوش مصنوعی تبدیل متن به گفتار با معرفی TTS Arena، اکنون می‌توانید مدل‌های تبدیل متن به گفتار را به‌راحتی مقایسه کرده و به کیفیت آن‌ها رأی دهید. نتایج در لیدربورد رسمی نمایش داده می‌شود. ۸ اسفند ۱۴۰۲ ۲ دقیقه پژوهش رهبر جدید ارزیابی هوش مصنوعی کرهای با شفافیت کامل معرفی شد پروژه Open Ko-LLM با همکاری آپ استیج و هافینگ فیس، اکوسیستم ارزیابی مدل‌های زبانی کر‌های را متحول کرد؛ رقابت منصفانه و شفافیت در این رهبر تضمین شده است. ۱ اسفند ۱۴۰۲ ۲ دقیقه