開源大模型新王干翻GPT-4o，新技術(shù)可糾正自己幻覺，數(shù)學(xué)99.2分刷爆測試集

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：開源大模型新王干翻GPT-4o，新技術(shù)可糾正自己幻覺，數(shù)學(xué)99.2分刷爆測試集
關(guān)鍵字：報(bào)告,模型,錯(cuò)誤,標(biāo)簽,基準(zhǔn)
文章來源：量子位
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

西風(fēng) 發(fā)自凹非寺量子位 | 公眾號(hào) QbitAI開源大模型王座突然易主，居然來自一家小創(chuàng)業(yè)團(tuán)隊(duì)，瞬間引爆業(yè)界。
新模型名為Reflection 70B，使用一種全新訓(xùn)練技術(shù)，讓AI學(xué)會(huì)在推理過程中糾正自己的錯(cuò)誤和幻覺。
比如最近流行的數(shù)r測試中，一開始它犯了和大多數(shù)模型一樣的錯(cuò)誤，但主動(dòng)在標(biāo)簽中糾正了自己。
在官方評(píng)測中，70B模型全面超越最強(qiáng)開源Llama 3.1 405B、GPT-4o、Claude 3 Opus、Gemini 1.5 Pro，特別是數(shù)學(xué)基準(zhǔn)GSM8K上直接刷爆，得分99.2%。
這個(gè)結(jié)果也讓OpenAI科學(xué)家、德?lián)銩I之父Noam Brown開麥：
GSM8K得分99%！是不是可以正式淘汰這個(gè)基準(zhǔn)了？
模型剛剛上線網(wǎng)友就把試玩擠爆了，對(duì)此Meta還主動(dòng)支援了更多算力。
在網(wǎng)友測試中，Reflection 70B能回答對(duì)GSM8K數(shù)據(jù)集中本身答案錯(cuò)誤的問題：
我向模型提供了GSM8K中存在的5個(gè)“ground_truth”本身就不正確的問題。
模型沒有重復(fù)數(shù)據(jù)集中的錯(cuò)誤答案，而是全部回答對(duì)了，這很令人印象深刻，表明那99.2%的準(zhǔn)確率并非來自于記憶測試

原文鏈接：開源大模型新王干翻GPT-4o，新技術(shù)可糾正自己幻覺，數(shù)學(xué)99.2分刷爆測試集