
仅0.2B就比GPT-4.1强?加州大学新指标:组合推理基准首次超越人类 (opens in a new tab)
加州大学河滨分校团队发现,AI组合推理表现不佳部分源于评测指标过于苛刻。他们提出新指标GroupMatch和Test-Time Matching算法,挖掘模型潜力,使GPT-4.1在Winoground测试中首次超越人类,0.2B参数的SigLIP-B16在MMVP-VLM基准测试上超越GPT-4.1并刷新最优结果。这表明模型的组合推理能力早已存在,只需合适方法在测试阶段解锁。
Total 6 articles

加州大学河滨分校团队发现,AI组合推理表现不佳部分源于评测指标过于苛刻。他们提出新指标GroupMatch和Test-Time Matching算法,挖掘模型潜力,使GPT-4.1在Winoground测试中首次超越人类,0.2B参数的SigLIP-B16在MMVP-VLM基准测试上超越GPT-4.1并刷新最优结果。这表明模型的组合推理能力早已存在,只需合适方法在测试阶段解锁。

AI体育赛道今年迎来了一波明星资本的押注。

过去几年,机器人操作领域几乎被一批新概念重新 “刷屏”。 LLM Planner、VLA、Diffusion Policy、Flow Matching、Latent Action、World Mode

Hinge 创始人 Justin McLeod 宣布 为他的新交友公司 Overtone 完成了 1800 万美元的融资。McLeod 去年刚刚辞去他在 Hinge 的首席执行官职务,Hinge 的所有者 Match Group——也拥有 Tinder 和 OkCupid 等应用——正在与 FirstMark Capital 和 Pace Capital 一起为他的新公司提供资金支持。

MrFlow(Multi-Resolution Flow Matching)就用这样的三阶段,在Qwen-Image等模型上把端到端生成时间从49.32s压到4.77s,实际加速10.35x。文章发布当日即登上Hugging Face Daily Papers;发布三天内,GitHub已收获200+stars;目前也已登上Hugging Face Trending Papers。

最新做社交的互联网公司还不少,哈啰也下场了。