CMU进行了公正透明可重复的对比研究:Gemini Pro在性能上不如GPT-3.5
各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题是《CMU进行了公正透明可重复的对比研究:Gemini Pro在性能上不如GPT-3.5》,很明显是关于科技周边的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!
谷歌Gemini的实力究竟如何?卡内基梅隆大学进行了一项专业客观的第三方比较
为保证公平,所有模型使用相同的提示和生成参数,并且提供可重复的代码和完全透明的结果。
不会像谷歌官方发布会那样,用CoT@32对比5-shot了。
一句话结果:Gemini Pro版本接近但略逊于GPT-3.5 Turbo,GPT-4还是遥遥领先。
在深入分析中还发现Gemini一些奇怪特性,比如选择题喜欢选D……
有许多研究者表示,Gemini刚刚发布没几天就进行了非常详细的测试,这是非常了不起的成就
六大任务深入测试
这个测试具体比较了6个不同的任务,并且为每个任务选择了相应的数据集
- 知识问答:MMLU
- 推理:BIG-Bench Hard
- 数学:GSM8k、SVAMP、ASDIV、MAWPS
- 代码:HumanEval、ODEX
- 翻译:FLORES
- 上网冲浪:WebArena
知识问答:喜欢选D
根据结果可以看出,在这类任务中使用思维链提示并不一定能够提升效果
在MMLU数据集中,所有的题目都是多选题。进一步分析结果后,发现了一个奇怪的现象:Gemini更喜欢选择D选项
GPT系列在4个选项上的分布就要平衡很多,团队提出这可能是Gemini没针对多选题做大量指令微调造成的。
另外,Gemini的安全过滤非常严格。在涉及道德问题时,它只能回答85%的问题。而在涉及人类性行为相关问题时,它只能回答28%的问题
Gemini Pro在安全研究和高中微观经济学方面的表现超过了GPT-3.5,但差距并不大,团队表示无法找出任何特别之处
推理:长问题不擅长
GPT系列在处理更长、更复杂的问题时表现更出色,相比之下,Gemini Pro的表现较为不佳
特别是在长篇问题上,GPT-4 Turbo几乎没有性能下降,这表明它具备了理解复杂问题的强大能力
根据问题类型进行分析,Gemini在“追踪交换物品”这类问题上表现不佳,这类问题涉及人们进行物品交换,最终需要AI判断每个人拥有哪些物品
Gemini擅长的任务包括理解世界各种体育运动知识、操作符号堆栈、按字母顺序排序单词以及解析表格
数学:复杂任务反超
问题本身太长,导致Gemini Pro和GPT-3.5的表现同时下降,只有GPT-4能够保持一贯的水准
当思维链的长度达到最长时,Gemini超过了GPT-3.5
代码:擅长matplotlib
对于代码问题,Gemini在参考答案较长的问题上表现不佳
GPT系列在大多数类型中更强大,但在matplotlib方面表现完全不佳
翻译:只要回答了,质量就很高
在翻译任务中,Gemini拒绝回答了12种类型的问题,但只要回答了的翻译质量都非常出色,整体表现超过了GPT-4
双子座拒绝翻译的语言主要涉及拉丁语和阿拉伯语
网络导航:擅长跨站点冲浪
WebArena为AI模拟了一个互联网环境,包括电子商务、社交论坛、GitLab协作开发、内容管理系统和在线地图等。AI需要在这个环境中查找信息或跨站点完成任务
Gemini在整体表现不如GPT-3.5 Turbo,但在跨多个站点的任务中表现稍好。
网友:但是它免费啊
最终,CMU副教授格雷厄姆·纽比格承认了这项研究的一些限制
- 基于API的模型行为可能随时变化
- 只尝试了有限数量的提示,对不同模型来说适用的提示词可能不一样
- 无法控制测试集是否泄露
谷歌大型模型推理团队的负责人周登勇指出,将Gemini的温度设置为0可以提高5-10个百分点,对于推理任务非常有帮助
在这项测试中,除了Gemini和GPT系列,还引入了最近备受关注的开源MoE模型Mixtral
不过,强化学习专家Noam Brown认为可以不考虑Mixtral的结果,因为它使用的是第三方API而不是官方实现
Mistral AI创始人为团队提供了官方版调用权限,他相信这将带来更好的结果
虽然Gemini Pro还不及GPT-3.5,但它的优势在于每分钟调用不超过60次就可以免费使用
因此,许多个人开发者已经改变了阵营
目前Gemini的最高版本Ultra版尚未发布,届时CMU团队也打算继续进行这项研究
你认为双子座Ultra能够达到GPT-4的水平吗?
本文详细介绍了论文:https://arxiv.org/abs/2312.11444
参考链接:
[1]https://twitter.com/gneubig/status/1737108977954251216。
本篇关于《CMU进行了公正透明可重复的对比研究:Gemini Pro在性能上不如GPT-3.5》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!

- 上一篇
- Intel下一代显卡系列Battlemage架构渐次浮出水面

- 下一篇
- 华为nova 12系列揭秘:丰富颜色和奢华材质
-
- 科技周边 · 人工智能 | 10分钟前 |
- 手机版DeepSeek接入腾讯会议,实时转录深度体验
- 405浏览 收藏
-
- 科技周边 · 人工智能 | 16分钟前 |
- DeepSeek助力Excel高阶数据可视化与智能公式
- 132浏览 收藏
-
- 科技周边 · 人工智能 | 37分钟前 |
- 文心一言文案秘诀优化技巧大放送
- 263浏览 收藏
-
- 科技周边 · 人工智能 | 41分钟前 |
- 新手必学:提升操作效率的通灵义码使用技巧
- 280浏览 收藏
-
- 科技周边 · 人工智能 | 44分钟前 |
- 即梦AI个人资料修改攻略账户信息更新指南
- 299浏览 收藏
-
- 科技周边 · 人工智能 | 56分钟前 |
- DeepSeek-R1满血版API七大平台调用全解析
- 346浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- DeepSeek+Triop:AI建模手绘到3D全流程揭秘
- 275浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- DeepSeek+VSCode配置攻略,程序员必备神器
- 243浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- 企业级AI证件照批量生成利器
- 424浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- 新手必看!零基础深度探索DeepSeek满血版核心玩法与攻略
- 108浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 508次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 497次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 484次学习
-
- 互联网信息服务算法备案系统
- 了解互联网信息服务算法备案系统,掌握如何进行算法备案的详细步骤和要求,确保您的互联网服务合规运营。
- 54次使用
-
- 魔匠AI
- SEO摘要魔匠AI专注于高质量AI学术写作,已稳定运行6年。提供无限改稿、选题优化、大纲生成、多语言支持、真实参考文献、数据图表生成、查重降重等全流程服务,确保论文质量与隐私安全。适用于专科、本科、硕士学生及研究者,满足多语言学术需求。
- 99次使用
-
- PPTFake答辩PPT生成器
- PPTFake答辩PPT生成器,专为答辩准备设计,极致高效生成PPT与自述稿。智能解析内容,提供多样模板,数据可视化,贴心配套服务,灵活自主编辑,降低制作门槛,适用于各类答辩场景。
- 123次使用
-
- Lovart
- SEO摘要探索Lovart AI,这款专注于设计领域的AI智能体,通过多模态模型集成和智能任务拆解,实现全链路设计自动化。无论是品牌全案设计、广告与视频制作,还是文创内容创作,Lovart AI都能满足您的需求,提升设计效率,降低成本。
- 226次使用
-
- 美图AI抠图
- 美图AI抠图,依托CVPR 2024竞赛亚军技术,提供顶尖的图像处理解决方案。适用于证件照、商品、毛发等多场景,支持批量处理,3秒出图,零PS基础也能轻松操作,满足个人与商业需求。
- 118次使用
-
- GPT-4王者加冕!读图做题性能炸天,凭自己就能考上斯坦福
- 2023-04-25 501浏览
-
- 单块V100训练模型提速72倍!尤洋团队新成果获AAAI 2023杰出论文奖
- 2023-04-24 501浏览
-
- ChatGPT 真的会接管世界吗?
- 2023-04-13 501浏览
-
- VR的终极形态是「假眼」?Neuralink前联合创始人掏出新产品:科学之眼!
- 2023-04-30 501浏览
-
- 实现实时制造可视性优势有哪些?
- 2023-04-15 501浏览