清华评测更新！国产大模型强势出击，硅谷独霸已成历史 | 速途网

速途网 • 13天前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

4月18日晚间，Meta正式发布全新一代开源模型Llama3。本次发布的Llama3涵盖了两个版本，即Llama3-8B和Llama3-70B，它以其8B的模型规模，超越了去年70B模型的性能。Meta宣称Llama 3-8B和Llama 3-70B是目前同体量下，性能最好的开源模型。

在开源与闭源路线的长期“较量”中，Llama 3的问世，无疑为开源社区注入了一剂强心针，不仅是对开源模式潜力的有力证明，更激励更多的企业和开发者加入到这一开放、协作的生态系统中。

针对Llama 3的具体能力表现，前不久，国内人工智能权威机构清华大学基础模型研究中心正式发布《SuperBench大模型综合能力评测报告》，测试了国内外数款大模型在语义、代码、对齐、智能体和安全五个评测集中的表现。

根据报告的评分结果，Llama3-70B模型的表现出色，其得分在众多国内外顶尖模型中位列第六位。

大模型之家还注意到，在SuperBench的评测榜单中，第一梯队的大模型已经不再是海外大模型“霸榜”的局面，有两款来自国内企业的大模型产品在语义理解能力表现中超越了Llama-3，其中一款是智谱AI开发的GLM-4，另一款是百度推出的文心一言4.0。可见，历经一年的技术发展与沉淀，全球大模型技术能力的竞争格局正在悄然发生改变，中国最前沿的大型人工智能模型已经达到了国际领先水平，成为全球人工智能领域的引领者。

多项评分领先，国产大模型对症下药飞根据SuperBench发布的评测报告，GLM-4在各项子项评测中均展现出优秀的成绩。特别是在知识-常识能力方面，GLM-4以77.3分的优异成绩荣登全球第二、国内第一的宝座。同时其强大的多模态处理能力使GLM-4不仅能处理文本信息，更能理解和生成图片、文件及视频内容，从而在图文理解和生成任务中脱颖而出，精准回应用户的复杂需求。

在长文本处理能力上，GLM-4具备128k的上下文处理能力，能够轻松应对长达300页的文本。在MMLU、GSM8K、BBH、HellaSwag等多个数据集上，GLM-4的表现均达到了GPT-4相应性能的94%至100%，展现出卓越的性能。
通过有机整合来自不同模态的上下文信息，GLM-4增强了对整个交互情境的理解能力，这种整合能力使得模型在应对需要综合多种信息源的复杂任务时，能够提供更加精准和全面的回答，进一步提升用户体验。

此外，在智能体能力方面，GLM-4同样表现出色，为产业化创造了条件。例如在电商场景中，依托出色的自然语言处理（NLP）能力，能够理解和解释用户的查询、评论以及商品描述，从而准确捕捉用户的购物意图和偏好。
通过先进的推荐系统技术，包括基于协同过滤、深度学习模型等，模型能够根据用户的个性化需求和行为数据，以及通过利用大规模数据处理和分析技术，实现对用户提供更具针对性和前瞻性的服务。

大模型之家还了解到，智谱AI推出了GLMs个性化智能体定制功能，允许用户无需具备编程基础，通过简单的语言提示轻松创建属于自己的GLM智能体，大幅降低大模型的使用门槛。

此外，GLM-4模型在图像生成和理解方面也实现了重大突破。通过集成CogView3代模型，GLM-4不仅能够生成具有艺术感的高质量图像，还能对图像内容进行深入分析和理解。这种能力极大地丰富了模型在处理涉及视觉信息的任务时的表现，使得GLM-4能够更准确地捕捉和回应图像中的细节和上下文。

学术+商业双管齐下，国产AI走向成熟

中国大模型技术的快速发展，也让越来越多的国产大模型登上了世界权威评测的榜单。不仅是SuperBench评测，在OpenCompass2.0公布的2023年度大模型公开评测榜单中，也能够看到智谱GLM-4、阿里巴巴Qwen-Max、百度文心一言4.0位列榜单前列，中美在人工智能领域的技术差距正在以超乎想象的速度拉近。

大模型的技术革命，不仅为人工智能赋予了“涌现”的能力，也为行业逐渐“涌现”出了各种机会，我国人工智能企业也在积累中迎来爆发，全球AI发展的态势也逐渐将人工智能摆在了关键竞争高地。智谱AI CEO张鹏曾多次表示，智谱要将“实现大模型生成AI的全链路自主可控”作为企业的核心竞争力。

在学术领域，中国大模型从业者在多项研究领域都走在行业前沿。例如在近期研究中，智谱团队证明了依靠更好的预训练质量，在更小模型上也能实现了更优的模型能力，颠覆了大模型行业“大力出奇迹”的思维定势。

此外，智谱AI带来了提升大模型与人类偏好一致性的强化学习系统——ChatGLM-RLHF框架，该框架由三个主要部分组成：数据收集与处理、奖励模型训练和策略模型训练。
首先，ChatGLM-RLHF通过从SFT模型生成的两个输出中选择一个更优的响应，完成数据的收集。再利用收集到的偏好数据来训练一个奖励模型，预测最符合用户偏好的回答。最后，使用奖励模型来指导模型的优化过程，通过最大化累积奖励来提升模型的表现。