スイス連邦工科大学ローザンヌ校（EPFL）の最新の研究では、2つの主流の大規模言語モデル（LLM）適応型訓練方法、コンテキスト学習（ICL）と指示微調整（IFT）を比較しました。研究者らは、MT-Benchベンチマークを使用してモデルの指示遵守能力を評価し、特定の状況下では、両方の方法がそれぞれ長所と短所を持つことを発見しました。研究によると、利用可能な訓練サンプル数が少ない場合（例えば50個以下）、ICLとIFTの性能は非常に近似しています。

DeepSeek-V2.5は人工知能分野で卓越した性能を示しており、特にコード作成とチャットモデルにおいて顕著です。GPT-4との比較テストでは、勝率、MT-Bench、AlignBenchスコアなど複数の指標で大幅な向上を達成しました。コード生成能力においては、DeepSeek-V2.5のHumanEvalスコアが89％、LiveCodeBenchスコアが41％に達し、高品質で実行可能なコードを生成できる能力を示しています。さらに、