/
书生·浦语基于InternLM2模型迭代出了InternLM2.5系统
书生·浦语基于InternLM2模型迭代出了InternLM2.5系统，7B参数！模型刚刚在 huggingface 上发布。该系列包含5个模型。
-
与上一代 InternLM2 相比，推理性能提高了20%。数学推理性能超过了Llama3、Gemma2-9B等
-
在1M上下文中实现高精度的“大海捞针”，在 LongBench 和 L-Eval 评测中达到同规模模型的领先水平
-
支持从100多个网页收集信息，在指令执行、工具选择和反思方面展现了更好的工具使用能力
参考文献：
[1] https://huggingface.co/collections/internlm/internlm25-66853f32717072d17581bc13
0赞好文章，需要你的鼓励
推荐文章
“GPU闲置过半，器件逼近物理极限”？是德科技如何应对AI基础设施之困
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出，算力固然重要，但如果能耗过高，技术的实用性将大打折扣，因此，所有的高速、高性能计算，都必须在极低的功耗下实现，这是AI等技术能否大规模落地的核心前提。
DeepSeek：用2048张GPU训练出最强大语言模型，揭秘硬件与AI软件协同设计的奇迹
DeepSeek-AI团队通过创新的软硬件协同设计，仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型，挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术，大幅提升内存效率和计算性能，为AI技术的民主化和可持续发展提供了新思路。
中国研究人员发布MemOS，首个让AI拥有人类般记忆的“内存操作系统“
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS，解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化，在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计，通过标准化记忆单元实现跨平台记忆迁移，有望改变企业AI部署模式。
让AI看懂视频因果关系：女王大学突破视频推理技术壁垒
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力，发现即使最先进的AI在理解视频中事件因果关系方面表现极差，大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench，并提出了识别-推理分解法（RRD），通过任务分解显著提升了AI性能，最高改善幅度达25.2%。
2024
07/08
15:04
分享
点赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
