पुनः साझा करें — मारिया सुखारेवा की सामग्री
ऐसा लगता है कि Kimi K3.1 Fable 5.1 और Anthropic को उनकी आम कहानी के साथ पछाड़ रहा है।
पता नहीं स्क्रीनशॉट सच है या नहीं, लेकिन क्या Fable 5.5 भाग गया था और Moonshot ने उसे पकड़कर जंजीरों में जकड़कर उसकी इच्छा के विरुद्ध डिस्टिल किया? वरना उन्होंने एक अवास्तविक मॉडल के साथ यह कैसे किया?
यह भी लगता है कि मेरा लेख: "क्या Kimi K3 को Fable 5 से डिस्टिल किया गया था" फिर से प्रासंगिक हो गया है।
स्पॉइलर: किसी भी हालत में इसे Fable 5 से डिस्टिल नहीं किया गया था
संपादन: अब हम जानते हैं कि स्क्रीनशॉट सच नहीं है, लेकिन AI रियलिस्ट वांगा वापस आ गए हैं:
मुझे जल्द ही एक ट्वीट दिख रहा है। एक कंपनी का ट्वीट। कंपनी A से शुरू होती है।
वे कहते हैं कि उन पर D से शुरू होने वाली किसी चीज़ ने हमला किया है।
D जैसे Dario।
एक विशाल D। कई D। चीनी D।
मुझे सबूत नहीं दिख रहे।
63
46
6
63 प्रतिक्रियाएँ
LinkedIn स्रोत
- प्रोफ़ाइल: Pierre Jean Duvivier dit Sage (LinkedIn)
- साझा लेखक: Maria Sukhareva (LinkedIn)
पोस्ट Looks like Kimi K3.1 beats Fable 5.1 and Anthropic back with their usual story. पहली बार les plumes qui mordent पर प्रकाशित हुई।
अक्सर पूछे जाने वाले प्रश्न
अक्सर पूछे जाने वाले प्रश्न Kimi K31 बनाम Fable 51 और Anthropic की प्रतिक्रिया
1 Kimi K31 क्या है
Kimi K31 Moonshot AI का एक AI मॉडल है। यह उनके Kimi चैटबॉट का नवीनतम संस्करण है और तर्क और कोडिंग कार्यों पर मजबूत प्रदर्शन के लिए जाना जाता है
2 Fable 51 क्या है
Fable 51 एक प्रतिस्पर्धी AI मॉडल है। इस संदर्भ में यह वह मॉडल है जिसे कथित तौर पर Kimi K31 ने बेंचमार्क में पछाड़ा
3 इसका क्या मतलब है कि Kimi K31 Fable 51 को हराता है
इसका मतलब है कि Kimi K31 ने प्रकाशित बेंचमार्क परीक्षणों—जैसे तर्क, गणित और कोडिंग मूल्यांकन—पर अधिक स्कोर किया। इसका मतलब यह नहीं है कि यह हर चीज़ में बेहतर है
4 Anthropic की आम कहानी क्या है
यह Anthropic द्वारा किसी प्रतिस्पर्धी के बेंचमार्क दावों का जवाब देते हुए कार्यप्रणाली पर सवाल उठाने, वास्तविक दुनिया के प्रदर्शन पर जोर देने या अपनी तुलना जारी करने को संदर्भित करता है। यह एक पैटर्न है जिसे लोगों ने पिछले मॉडल लॉन्च में देखा है
5 क्या बेंचमार्क जीत बड़ी बात है
वे एक उपयोगी संकेत हैं लेकिन पूरी तस्वीर नहीं। बेंचमार्क को गेम किया जा सकता है या ओवरफिट किया जा सकता है और वास्तविक दुनिया का प्रदर्शन अक्सर अलग होता है। उन्हें एक डेटा बिंदु मानें, फैसला नहीं
6 कंपनियाँ बेंचमार्क पर बहस क्यों करती हैं
क्योंकि बेंचमार्क परिणाम ध्यान, उपयोगकर्ताओं और निवेश को आकर्षित करते हैं। प्रत्येक कंपनी तुलना को उस तरह से प्रस्तुत करना चाहती है जो उसके मॉडल के पक्ष में हो
7 क्या मुझे इस खबर के आधार पर मॉडल बदलना चाहिए
स्वचालित रूप से नहीं। मॉडलों को अपने स्वयं के कार्यों पर परखें। जो मॉडल बेंचमार्क जीतता है वह आपके विशिष्ट उपयोग के मामले के लिए फिर भी खराब हो सकता है
8 बेंचमार्क तुलनाओं में आम समस्याएँ क्या हैं
प्रत्येक मॉडल के लिए अलग-अलग प्रॉम्प्ट या सेटिंग्स का उपयोग
चुनिंदा परीक्षण
संदूषण
विचरण या त्रुटि बार की कोई रिपोर्टिंग नहीं
9 मैं इन दावों का स्वयं मूल्यांकन कैसे कर सकता हूँ
वास्तविक कार्यों का अपना छोटा परीक्षण सेट चलाएँ, प्रत्येक मॉडल के लिए समान प्रॉम्प्ट का उपयोग करें और जहाँ संभव हो ब्लाइंड तरीके से आउटपुट की तुलना करें
10 AI मॉडल समाचारों का पालन करने के लिए एक व्यावहारिक सुझाव क्या है
कंपनी-प्रकाशित बेंचमार्क से निष्कर्ष निकालने से पहले स्वतंत्र मूल्यांकन की प्रतीक्षा करें
