搜索："large language models"

大模型巅峰对决：最新测评结果揭晓

大模型评测正从单一分数转向多维能力画像。传统基准如MMLU、HumanEval存在数据污染、评测盲区等问题，高分不等同高智能。多模态与长文本评测面临对齐与注意力衰减挑战。安全性与价值观对齐成为核心维度，需防范“谄媚行为”。未来评测将场景化、元评测化，并借助开放平台与可解释性指标，但任何测评都只是真实能力的一个剖面。

本文综述多模态AI新模型的最新进展，从技术架构的“原生融合”转变、感知推理与生成的统一，到医疗、自动驾驶等领域的深度应用，同时指出数据对齐、计算成本及鲁棒性等挑战，并展望未来向通用世界模型发展的方向。