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.
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.
پژوهش
نبرد با حملات انسانی: سنجش مقاومت هوش مصنوعی با رهبر جدید
رهبر تازه انتشار یافته Red-Teaming Resistance به بررسی مقاومت مدلهای زبانی در برابر حملات واقعگرایانه میپردازد و نویدبخش توسعه مسئولانه هوش مصنوعی است.
پژوهش
پیادهسازی RLHF با PPO: بازتولید کد OpenAI و نکات کلیدی
این مقاله به تفصیل جزئیات پیادهسازی یادگیری تقویتی با بازخورد انسانی (RLHF) در چارچوب PPO را بررسی میکند و از بازتولید کدهای OpenAI بهره میگیرد.
پژوهش
هوش مصنوعی در لامّا ۲: آموزش مستقیم با DPO و سادهسازی RLHF
در این مقاله، نحوهی آموزش مستقیم لامّا ۲ با روش DPO در Hugging Face بررسی میشود؛ سادهسازی یادگیری بازخورد انسانی و مزایای آن توضیح داده میشود.
پژوهش
آیا مدلهای بنیادی هوش مصنوعی میتوانند دادهها را مانند انسان برچسبگذاری کنند؟
هوش مصنوعی و برچسبگذاری داده: بررسی میکند که آیا مدلهای بنیادی قادر به تشخیص و اولویتبندی دادهها مانند انسان هستند یا خیر. مقایسه نتایج مدلها با قضاوت انسانی در سنجش کارایی آنها.