VLM集体「失明」？视力测试惨败，GPT-4o、Claude 3.5全都不及格
VLM集体「失明」？视力测试惨败，GPT-4o、Claude 3.5全都不及格视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？
来自主题: AI技术研报
8567 点击 2024-07-16 19:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？
最核心的Claude 3.5编码系统提示，火遍Reddit社区。就在刚刚，原作者发布了进化后的第二版，有的网友已经将其加入工作流。
LLM能否解决「狼-山羊-卷心菜」经典过河难题？最近，菲尔兹奖得主Timothy Gowers分享了实测GPT-4o的过程，模型在最简单的题目上竟然做错了，甚至网友们发现，就连Claude 3.5也无法幸免。
想要达成通用人工智能 AGI 的终极目标，首先要达成的是模型要能完成人类所能轻松做到的任务。为了做到这一点，大模型开发的关键指导之一便是如何让机器像人类一样思考和推理。诸如注意力机制和思维链（Chain-of-Thought）等技术正是由此产生的灵感。
Claude 3.5 Sonnet的图表推理能力，比GPT-4o高出了27.8%。 针对多模态大模型在图表任务上的表现，陈丹琦团队提出了新的测试基准。 新Benchmark比以往更有区分度，也让一众传统测试中的高分模型暴露出了真实能力。
OpenAI CTO Murati表示，GPT-5将在一年半后发布，在某些领域将达到博士的智能；而Claude 3.5 Sonnet，已经成为了第一个测试分数高于最聪明的人类博士的模型。当AGI进一步发展为ASI，它会因为接近神性的全知、全能、无所不在，而被人类敬奉为「新神」吗？当ASI给出一张「希特勒名单」，人类又将怎样？
OpenAI劲敌出手，追击GPT-4o。
昨夜上线的Claude 3.5 Sonnet，性能直接吊打了GPT-4o，甚至价格还更便宜。网友们纷纷展开实测，有人表示自己一半的工作已经可以由它替代了！而最让人惊喜的新功能，莫过于Artifacts了。
新鲜出炉的Claude 3.5 Sonnet，更快、更便宜，还是全球最强。
Claude大模型又双叒叕更新升级了！