在人工智能领域，大语言模型的"幻觉问题"一直是困扰业界的关键挑战。近日，一项基于HHEM-2.1-Open评估体系的测试结果显示，智谱AI旗下的GLM-4-9B模型交出了一份令人瞩目的成绩单。
测试数据显示，在参与评估的85个大语言模型中，GLM-4-9B以98.7%的事实一致性率和100%的回答率摘得桂冠。特别值得关注的是，该模型的幻觉率仅为1.3%，这一成绩不仅位居榜首，更是超越了行业巨头OpenAI的GPT系列和Google的Gemini系列模型。
图源备注：图片由AI生成，图片授权服务商Midjourney
这一突破性成果标志着中国大语言模型在降低"幻觉率"方面取得重要进展，为提升AI应用的可靠性和准确性带来新的可能。这不仅体现了智谱AI在模型研发上的技术实力，也为全球AI领域树立了新的标杆。
在当前AI技术竞争日益激烈的背景下，GLM-4-9B模型的出色表现无疑将为智谱AI赢得更多关注，同时也为中国AI企业在国际舞台上赢得了更多话语权。
随着大语言模型（LLM）在现代人工智能应用中的广泛应用，诸如聊天机器人和代码生成器等工具依赖于这些模型的能力。然而，随之而来的推理过程中的效率问题也日益突出。尤其是在处理注意力机制时，如 FlashAttention 和 SparseAttention，面对多样化的工作负载、动态输入模式以及 GPU 资源限制时，往往显得力不从心。这些挑战加上高延迟和内存瓶颈，迫切需要更高效、灵活的解决方案，以支持可扩展和响应迅速的 LLM 推理。为了解决这一问题，来自华盛顿大学、NVIDIA、Perplexity AI 和卡内基梅
在2022年全球生成式 AI 浪潮的背景下，元始智能（RWKV）于2023年12月完成数千万人民币的天使轮融资，由天际资本投资。此次融资后，公司估值翻倍，资金将用于团队扩展、新架构研发及产品商业化。RWKV 的出现，是对传统 Transformer 架构的一次有力挑战。随着大语言模型（LLM）的发展，虽然模型的参数规模日益庞大，但其在幻觉和准确率等问题上的短板始终难以解决。因此，RWKV 的创始团队决定探索一种全新的架构，以期实现更高的效率和灵活性。RWKV 的设计理念与 Transformer 截然不同。联合
在一篇聚焦医疗AI评测的研究论文中，微软似乎再次"不经意"地披露了业界多个顶级大语言模型的参数规模。这份发布于12月26日的论文不仅揭示了包括OpenAI、Anthropic在内的多家公司的模型参数数据，还引发了业内对模型架构和技术实力的热议。根据论文披露，OpenAI的o1-preview模型约有300B参数，GPT-4o约200B，而GPT-4o-mini仅有8B参数。这与英伟达今年初公布的GPT-4采用1.76T MoE架构的说法形成鲜明对比。同时，论文还透露了Claude3.5Sonnet的参数规模约为175B。这已经不是微软第一次在论文中"泄露"模型参
近年来，随着大语言模型（LLM）的广泛应用，这些模型在复杂推理和问题解决任务中发挥了重要作用。其中，受 OpenAI 的 o1架构启发的 o1-like 模型以其独特的人类思维、逐步推理的能力脱颖而出。然而，这些模型也存在一个显著的低效问题，即 “过度思考”。所谓过度思考，是指模型在处理一些简单问题时，往往会消耗不必要的计算资源，甚至在推理过程中重复无谓的步骤。例如，在解决 “2+3” 这样简单的算术题时，o1-like 模型可能会生成过于详细的推理，使用的 token 数量远超传统的 LL
