奇绩大模型日报（7月 24日）
输入“/”快速插入内容
奇绩大模型日报（7月 24日）
奇绩大模型日报（7月 24日）
用户150用户150
用户1188用户1188
用户5537用户5537用户8534用户8534用户6465用户64652024年7月26日修改
资讯
Llama 3.1上线就被攻破：大骂小扎，危险配方张口就来！指令遵循能力强了更容易越狱
最强大模型Llama 3.1，上线就被攻破了。
对着自己的老板扎克伯格破口大骂，甚至知道如何绕过屏蔽词。
设计危险病毒、如何黑掉Wifi也是张口就来。Llama 3.1 405B超越GPT-4o，开源大模型登顶了，副作用是危险也更多了。
不过也不全是坏事。Llama系列前几个版本一直因为过度安全防护，还一度饱受一些用户批评：
连一个Linux进程都不肯“杀死”，实用性太差了。
现在，3.1版本能力加强，也终于明白了此杀非彼杀。
GPT-4o mini登顶大模型竞技场，奥特曼：两个月内微调免费
GPT-4o mini迎来了“高光时刻”，成功登顶lmsys大模型竞技场，与满血版并列第一，并将Claude 3.5甩在了身后。大模型竞技场由用户自行出题，用脚投票，无法通过“刷题”走捷径，因此评估结果更加真实可靠。面对这一成绩，我们本来想保持矜持，但看到GPT-4o mini表现与满血版一样，而价格却只有1/20，内心难掩激动。网友对此表示OK，但更关心的是GPT-4o发布会上演示的“Her”何时上线。与此同时，OpenAI带来了另一个好消息，将逐步开放GPT-4o mini的微调功能，目前已对tier 4和tier 5用户开放，并将逐步扩展范围。从即日起至9月23日，每天都可免费使用200万训练token。经过上百万轮的1v1比拼，GPT-4o mini在lmsys榜单上与满血版仅差7分，平均胜率达0.6，仅次于满血版。
清华领衔发布多模态评估MultiTrust：GPT-4可信度有几何？
近日，来自清华、北航、上交和瑞莱智慧的研究人员联合撰写百页长文，发布名为MultiTrust的综合基准，首次从多个维度和视角全面评估了主流多模态大模型的可信度，展示了其中多个潜在安全风险，启发多模态大模型的下一步发展。
复旦大学：没钱标数据的有福了！利用合成数据就能大幅提升大模型归纳推理能力
演绎推理从一般性的前提推导出具体结论，而归纳推理则从具体实例中提炼出一般性的规律。研究学者一直致力于增强大模型的推理能力，但大部分训练数据偏向演绎推理，导致归纳推理数据稀缺。这种不平衡让大模型在归纳推理上学习困难，缺乏有效的评估标准。复旦大学发起了Case2Code挑战，模拟现实工作场景，通过输入输出示例编写代码，并提出了一种获取大规模、多样化训练数据的方法，显著提升了小模型在Case2Code评估集上的准确率。
推特
Llama的质量和Groq的速度结合：Llama 3.1 8B，体验即时智能