How to Benchmark DeepSeek-R1 Distilled Models on GPQA Using Ollama and OpenAI’s simple-evals
在DeepSeek-R1的蒸馏型模型上设置并运行GPQA-DIAMOND基准，以评估其推理能力。该帖子如何使用Ollama和OpenAI的Simple-Evals在GPQA上对GPQA进行基准deepSeek-R1蒸馏型，这首先出现在数据科学方面。
视频：https://youtube.com/shorts/ut68KUPQaYs?si=Z7crNg9xffose0iO 美国宇航局今天举行了火星样本返回新闻发布会。我想发表一下我的意见，或者至少发布一个 YouTube 短片。
Petroleum Quality Analysis System-Enhanced | A Critical Enabler for the Army
石油质量分析系统增强版陆军使用石油质量分析系统增强版 (PQAS-E) 来分析和评估质量...
SenseNova 5.5 – China’s first real-time LLM beats GPT-4o
中国 AI 开发商 SenseTime 发布了其升级版多模态 SenseNova 5.5 模型，并声称它代表了最先进的技术。升级后的模型是在 SenseNova 5 发布几个月后推出的，SenseTime 表示 SenseNova 5 与 GPT-4 Turbo 不相上下。据报道，升级后的 600B 参数 SenseNova 5.5 整体性能提高了 30%。该公司发布的基准测试分数显示，其模型击败了 GPT-4o 和 Anthropic 的 Claude Sonnet 3.5 模型。SenseNova 5.5 擅长的基准测试是中国模型通常使用的基准测试。如果他们使用 GPQA、Humaneva
