换肤首页 > 都市 > 首富从AI浪潮开始

第三百八十六章 什么汤圆1.0?我没听说过啊

理查德没有回答韩路一的问题,而是向现场的观众解释道:“这次封闭测试之所以有效,很大的原因是我们进行了隔离式的沙盒环境,模型不能自己根据考题进行迭代。但是鉴于汤圆1.0已经进行过一次测试,如果用同一套测试集让它再做一次,我们就很难保证结果的公平和公正了。”

他其实已经在给自己找台阶下了,如果汤圆1.0现在再做出90多的高分,那也不是因为模型强,而是因为在上一轮测试中他们已经知道了考题,现在可能已经针对性的调整过了。

韩路一站在台上笑了笑。

“我们都知道,想要证明自己的清白有多难,我也不是来自证清白的。”

韩路一看了看台下的观众,说道:“我想,大家之所以来参加人工智能会议,是想看到人工智能有真正解决问题的能力,而不是为了看看几个模型的分数。既然如此,倒不如就在今天,就在现场——”

“让大家体验一下最新一代模型所具有的能力。”

话音刚落,台下就已经响起了掌声、尖叫声、起哄声。

两家顶尖模型公司现场battl,这不比听瑞恩讲什么安全性重要、战略级武器有意思?

理查德站在原地,进退两难。

大会的议程是早就定好的,后面还有主会场和各个分会场的演讲,现在横叉一个现场体验来,怎么安排,不是全乱套了吗?

倒是瑞恩,看到现在这个场面之后,信心满满的向前一步。

“韩先生,只是开放接口,让人们现场体验,怎么能直观的分出好坏?”瑞恩说道,“我看倒不如就用之前搭建的沙盒环境,让所有的模型都接入,再由所有现场的观众们投票选出一个复杂任务,同样的提示词给所有的模型,看看谁的完成度最高,如何?”

韩路一看向瑞恩。

虽然两人之前邮件交流过、视频过,更在各种会议中谈论过对方。

但这还是两人第一次在现实中见面。

视界打开。

【瑞恩·米勒】

【职位:n a创始人、c】

【情绪:自信、激昂】

【核心动机:金星2.0模型能力内部验证极为优秀,一定能在现场测试中取胜】

韩路一心下了然,不管是理查德还是瑞恩,他们是真的不相信汤圆1.0的能力超过了金星2.0,之前测试中93.5的分不是真实的成绩。

“好。”韩路一答应了下来。

林伟伦带着几名同事迅速把之前测评中心机房里的沙盒环境拉了过来,让想要参与实时测试的厂商现场就能接入。

而韩路一则把电脑接入了大屏幕,现场用御风写了一个投票程序,thb开源,然后部署在鼎盛云上,再把写好的程序运行在大屏幕上。

前后花了不到五分钟。

这是一场给御风智能体工具和鼎盛云的活广告,所有的开发者都能看见完成这样一个需求的效率有多高。

很快,观众们自主发起的复杂任务提示词被一个一个添加,然后根据点赞数排序。

最终赞最高的那个提示词就将成为今天的唯一测试题。

瑞恩拿着话筒,继续细化流程。

“长程任务可能会长达几个小时,为了让大家都能在今天就能查看到结果,我们将在提示词中添加最长可以运行的时间——”说到这,他抬手看了看表,此时已经是上午十一点多了,“五个小时,到下午五点,必须停止运行,然后运行的结果开放给大家自由查看。”

瑞恩没说评判标准是什么。

在这一点上,他和韩路一不谋而合。

榜单上的分数并不重要,真正重要的是让潜在用户们了解到模型所具有的解决问题的能力。

如果你是最强模型这件事已经能够深入人心,那什么榜单都没有必要了。

韩路一听完之后在旁边点了点头,瑞恩提出来的赛制其实还挺公平的。

更像是一场针对模型的黑客松比赛,统一出题、限制时间,最后的结果由观众们决定。

时间临近十二点,观众们投票选出来的复杂任务此时也已经确定了。

任务只有短短的一句话。

赵文渊看到的时候不禁一笑。

那句话是——

“bl m a mncaft(给我写一个《我的世界》)。”

上一页目录下一章

猜你喜欢