北京
DoNews6月10日消息，今日，海外權(quán)威 AI 模型評(píng)測(cè)平臺(tái) LLM Stats 更新榜單，云知聲 U2 登上兩項(xiàng)關(guān)鍵評(píng)測(cè)：在 LLM Stats Score 綜合能力榜單中進(jìn)入模型總榜前 30，按廠商最佳模型成績(jī)位列全球模型廠商第九；同時(shí)，在平臺(tái)收錄的獨(dú)立長(zhǎng)上下文評(píng)測(cè)基準(zhǔn) LongBench-V2 中，U2 以 54.4% 的Accuracy 超越 Claude Opus 4.7。
LLM Stats Score 不是為了刷榜而設(shè)計(jì)的單一測(cè)試集排名，而是面向真實(shí)工作負(fù)載構(gòu)建的綜合能力評(píng)分體系。其綜合分?jǐn)?shù)來(lái)自公開(kāi)來(lái)源、獨(dú)立采樣測(cè)量與經(jīng)驗(yàn)證的 benchmark 結(jié)果。
在此基礎(chǔ)上，LLM Stats Score 覆蓋推理、代碼、知識(shí)、工具與智能體、長(zhǎng)上下文等多個(gè)維度，更接近對(duì)模型綜合戰(zhàn)斗力的橫向檢驗(yàn)。
LongBench-V2 則是當(dāng)前長(zhǎng)上下文推理領(lǐng)域的高難度評(píng)測(cè)基準(zhǔn)之一。該測(cè)試集包含 503 道多選題，上下文長(zhǎng)度覆蓋 8K 至 2M words，并按 short、medium、long 三個(gè)長(zhǎng)度區(qū)間分別評(píng)估模型表現(xiàn)，覆蓋單文檔問(wèn)答、多文檔問(wèn)答、長(zhǎng)上下文學(xué)習(xí)、長(zhǎng)對(duì)話歷史理解、代碼庫(kù)理解和長(zhǎng)結(jié)構(gòu)化數(shù)據(jù)理解六大類任務(wù)，重點(diǎn)檢驗(yàn)?zāi)Ｐ驮诓煌舷挛囊?guī)模下處理長(zhǎng)任務(wù)的穩(wěn)定性。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
大象新聞
