मेटा का एआई मॉडल बेंचमार्क: भ्रामक?
10 अप्रैल 2025
TimothyMitchell
10
इसलिए, मेटा ने सप्ताहांत में अपने नए एआई मॉडल, मावरिक को गिरा दिया, और यह पहले से ही एलएम एरिना पर दूसरे स्थान पर स्नैग करके लहरें बना रहा है। आप जानते हैं, यही वह स्थान है जहां मनुष्यों को जज और जूरी की भूमिका निभाने के लिए मिलता है, विभिन्न एआई मॉडल की तुलना करते हैं और अपने पसंदीदा को चुनते हैं। लेकिन, पकड़ो, वहाँ एक मोड़ है! यह पता चला है कि Maverick संस्करण LM एरिना पर अपने सामान को स्ट्रक्ट करना काफी नहीं है, जैसा कि आप डाउनलोड कर सकते हैं और एक डेवलपर के रूप में खेल सकते हैं।
एक्स पर कुछ ईगल-आइड एआई शोधकर्ताओं (हाँ, मंच को पूर्व में ट्विटर के रूप में जाना जाता था) ने देखा कि मेटा ने एलएम एरिना संस्करण को "प्रयोगात्मक चैट संस्करण" कहा। और यदि आप लामा वेबसाइट पर झांकते हैं, तो एक चार्ट है जो फलियों को फैलता है, यह कहते हुए कि परीक्षण "लामा 4 मावेरिक के साथ संवादी के लिए अनुकूलित" के साथ किया गया था। अब, हमने पहले इस बारे में बात की है, लेकिन एलएम एरिना एआई प्रदर्शन को मापने के लिए बिल्कुल सोने का मानक नहीं है। अधिकांश एआई कंपनियां इस परीक्षण पर बेहतर स्कोर करने के लिए अपने मॉडल के साथ गड़बड़ नहीं करती हैं - या कम से कम, वे इसे स्वीकार नहीं करते हैं।
बात यह है, जब आप एक बेंचमार्क के लिए एक मॉडल को ट्विक करते हैं, लेकिन फिर जनता के लिए एक अलग "वेनिला" संस्करण जारी करते हैं, तो डेवलपर्स के लिए यह पता लगाना कठिन है कि मॉडल वास्तव में वास्तविक दुनिया के परिदृश्यों में कितना अच्छा प्रदर्शन करेगा। इसके अलावा, यह थोड़े भ्रामक है, है ना? बेंचमार्क, दोषपूर्ण रूप से वे हैं, हमें एक स्पष्ट तस्वीर देनी चाहिए कि एक मॉडल क्या कर सकता है और विभिन्न कार्यों में नहीं कर सकता है।
एक्स पर शोधकर्ताओं को उस मावेरिक के बीच कुछ बड़े अंतरों को नोटिस करने के लिए जल्दी किया गया है जिसे आप डाउनलोड कर सकते हैं और एलएम एरिना पर एक। अखाड़ा संस्करण स्पष्ट रूप से इमोजीस के बारे में है और आपको लंबे, खींचे गए उत्तर देने के लिए प्यार करता है।
ठीक है, लामा 4 एक लिटल्ड पका हुआ लोल है, यह याप सिटी pic.twitter.com/y3gvhbvz65 क्या है
- नाथन लैम्बर्ट (@Natolambert) 6 अप्रैल, 2025
किसी कारण के लिए, एरिना में लामा 4 मॉडल बहुत अधिक इमोजी का उपयोग करता है
एक साथ। ai, यह बेहतर लगता है: pic.twitter.com/f74odx4ztt
- टेक देव नोट्स (@techdevnotes) 6 अप्रैल, 2025
हम मेटा और चैटबोट एरिना के लोगों के पास पहुंच गए हैं, जो एलएम एरिना को चलाते हैं, यह देखने के लिए कि उन्हें इस सब के बारे में क्या कहना है। बने रहें!
संबंधित लेख
메타는 LLAMA 4 릴리스를 방어하고 혼합 품질 보고서의 원인으로 버그를 인용합니다.
주말 동안, Facebook, Instagram, Whatsapp 및 Quest VR 뒤의 강국 인 Meta는 최신 AI 언어 모델 인 Llama 4를 공개하여 모든 사람들을 놀라게했습니다. 하나뿐만 아니라 3 개의 새로운 버전이 소개되었습니다.
법률 교수는 Meta와의 AI 저작권 전투에서 저자를 지원합니다.
한 저작권법 교수 그룹은 기술 대기업이 저자의 동의없이 전자 책에 대해 LLAMA AI 모델을 전자 책으로 훈련 시켰다고 주장하면서 메타를 고소하는 저자의지지를 주었다. 교수들은 금요일 캘리포니아 북부 지역의 미국 지방 법원에서 아미 쿠스 브리핑을 제출했습니다.
Meta AI는 곧 EU 사용자의 데이터를 훈련시킬 것입니다
Meta는 최근 Facebook 및 Instagram과 같은 플랫폼의 EU 사용자의 데이터를 사용하여 AI를 교육 할 계획을 공개했습니다. 이 이니셔티브는 메타 AI와의 공개 게시물, 의견 및 채팅 이력을 활용하지만 친구 및 가족과의 개인 메시지는 제한이 없습니다.
सूचना (35)
0/200
![JerryGonzalez]()
JerryGonzalez
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Meta's AI model benchmarks seem a bit off to me. Maverick got second place, but I've used it and it's not that great. The interface is clunky and the results are hit or miss. Maybe they're just trying to hype it up? I'd give it a pass for now.
0
![CarlKing]()
CarlKing
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
MetaのAIモデルのベンチマークは私には少しおかしいように感じます。Maverickは2位を獲得しましたが、使ってみた感じではそれほど良くありません。インターフェースがぎこちなく、結果も当たり外れがあります。もしかしたら、ただ盛り上げようとしているだけかもしれませんね。今はパスしておきます。
0
![SamuelEvans]()
SamuelEvans
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Meta의 AI 모델 벤치마크가 내겐 좀 이상해 보여. Maverick이 2위를 했지만, 써보니 그리 대단하지 않아. 인터페이스가 어색하고 결과도 들쑥날쑥해. 어쩌면 그냥 과대광고하려고 하는 건지도 몰라. 지금은 패스할게.
0
![BenWalker]()
BenWalker
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Os benchmarks do modelo de IA da Meta parecem um pouco estranhos para mim. O Maverick ficou em segundo lugar, mas eu usei e não é tão bom assim. A interface é desajeitada e os resultados são inconsistentes. Talvez eles estejam apenas tentando criar hype? Eu passaria por agora.
0
![RobertLewis]()
RobertLewis
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Los benchmarks del modelo de IA de Meta me parecen un poco extraños. Maverick quedó en segundo lugar, pero lo he usado y no es tan bueno. La interfaz es torpe y los resultados son inconsistentes. ¿Quizás solo están tratando de generar hype? Por ahora, lo dejaría pasar.
0
![KevinBaker]()
KevinBaker
11 अप्रैल 2025 6:25:04 अपराह्न GMT
I tried Meta's Maverick and it's pretty good, but those benchmarks seem a bit off to me. It's not as smooth as they claim, and sometimes it's just plain wrong. I'm not sure if it's worth the hype. Maybe they need to tweak their testing methods?
0
10 अप्रैल 2025
TimothyMitchell
10
इसलिए, मेटा ने सप्ताहांत में अपने नए एआई मॉडल, मावरिक को गिरा दिया, और यह पहले से ही एलएम एरिना पर दूसरे स्थान पर स्नैग करके लहरें बना रहा है। आप जानते हैं, यही वह स्थान है जहां मनुष्यों को जज और जूरी की भूमिका निभाने के लिए मिलता है, विभिन्न एआई मॉडल की तुलना करते हैं और अपने पसंदीदा को चुनते हैं। लेकिन, पकड़ो, वहाँ एक मोड़ है! यह पता चला है कि Maverick संस्करण LM एरिना पर अपने सामान को स्ट्रक्ट करना काफी नहीं है, जैसा कि आप डाउनलोड कर सकते हैं और एक डेवलपर के रूप में खेल सकते हैं।
एक्स पर कुछ ईगल-आइड एआई शोधकर्ताओं (हाँ, मंच को पूर्व में ट्विटर के रूप में जाना जाता था) ने देखा कि मेटा ने एलएम एरिना संस्करण को "प्रयोगात्मक चैट संस्करण" कहा। और यदि आप लामा वेबसाइट पर झांकते हैं, तो एक चार्ट है जो फलियों को फैलता है, यह कहते हुए कि परीक्षण "लामा 4 मावेरिक के साथ संवादी के लिए अनुकूलित" के साथ किया गया था। अब, हमने पहले इस बारे में बात की है, लेकिन एलएम एरिना एआई प्रदर्शन को मापने के लिए बिल्कुल सोने का मानक नहीं है। अधिकांश एआई कंपनियां इस परीक्षण पर बेहतर स्कोर करने के लिए अपने मॉडल के साथ गड़बड़ नहीं करती हैं - या कम से कम, वे इसे स्वीकार नहीं करते हैं।
बात यह है, जब आप एक बेंचमार्क के लिए एक मॉडल को ट्विक करते हैं, लेकिन फिर जनता के लिए एक अलग "वेनिला" संस्करण जारी करते हैं, तो डेवलपर्स के लिए यह पता लगाना कठिन है कि मॉडल वास्तव में वास्तविक दुनिया के परिदृश्यों में कितना अच्छा प्रदर्शन करेगा। इसके अलावा, यह थोड़े भ्रामक है, है ना? बेंचमार्क, दोषपूर्ण रूप से वे हैं, हमें एक स्पष्ट तस्वीर देनी चाहिए कि एक मॉडल क्या कर सकता है और विभिन्न कार्यों में नहीं कर सकता है।
एक्स पर शोधकर्ताओं को उस मावेरिक के बीच कुछ बड़े अंतरों को नोटिस करने के लिए जल्दी किया गया है जिसे आप डाउनलोड कर सकते हैं और एलएम एरिना पर एक। अखाड़ा संस्करण स्पष्ट रूप से इमोजीस के बारे में है और आपको लंबे, खींचे गए उत्तर देने के लिए प्यार करता है।
ठीक है, लामा 4 एक लिटल्ड पका हुआ लोल है, यह याप सिटी pic.twitter.com/y3gvhbvz65 क्या है
- नाथन लैम्बर्ट (@Natolambert) 6 अप्रैल, 2025
किसी कारण के लिए, एरिना में लामा 4 मॉडल बहुत अधिक इमोजी का उपयोग करता है
- टेक देव नोट्स (@techdevnotes) 6 अप्रैल, 2025
एक साथ। ai, यह बेहतर लगता है: pic.twitter.com/f74odx4ztt
हम मेटा और चैटबोट एरिना के लोगों के पास पहुंच गए हैं, जो एलएम एरिना को चलाते हैं, यह देखने के लिए कि उन्हें इस सब के बारे में क्या कहना है। बने रहें!
메타는 LLAMA 4 릴리스를 방어하고 혼합 품질 보고서의 원인으로 버그를 인용합니다.
주말 동안, Facebook, Instagram, Whatsapp 및 Quest VR 뒤의 강국 인 Meta는 최신 AI 언어 모델 인 Llama 4를 공개하여 모든 사람들을 놀라게했습니다. 하나뿐만 아니라 3 개의 새로운 버전이 소개되었습니다.
법률 교수는 Meta와의 AI 저작권 전투에서 저자를 지원합니다.
한 저작권법 교수 그룹은 기술 대기업이 저자의 동의없이 전자 책에 대해 LLAMA AI 모델을 전자 책으로 훈련 시켰다고 주장하면서 메타를 고소하는 저자의지지를 주었다. 교수들은 금요일 캘리포니아 북부 지역의 미국 지방 법원에서 아미 쿠스 브리핑을 제출했습니다.
Meta AI는 곧 EU 사용자의 데이터를 훈련시킬 것입니다
Meta는 최근 Facebook 및 Instagram과 같은 플랫폼의 EU 사용자의 데이터를 사용하여 AI를 교육 할 계획을 공개했습니다. 이 이니셔티브는 메타 AI와의 공개 게시물, 의견 및 채팅 이력을 활용하지만 친구 및 가족과의 개인 메시지는 제한이 없습니다.
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Meta's AI model benchmarks seem a bit off to me. Maverick got second place, but I've used it and it's not that great. The interface is clunky and the results are hit or miss. Maybe they're just trying to hype it up? I'd give it a pass for now.
0
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
MetaのAIモデルのベンチマークは私には少しおかしいように感じます。Maverickは2位を獲得しましたが、使ってみた感じではそれほど良くありません。インターフェースがぎこちなく、結果も当たり外れがあります。もしかしたら、ただ盛り上げようとしているだけかもしれませんね。今はパスしておきます。
0
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Meta의 AI 모델 벤치마크가 내겐 좀 이상해 보여. Maverick이 2위를 했지만, 써보니 그리 대단하지 않아. 인터페이스가 어색하고 결과도 들쑥날쑥해. 어쩌면 그냥 과대광고하려고 하는 건지도 몰라. 지금은 패스할게.
0
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Os benchmarks do modelo de IA da Meta parecem um pouco estranhos para mim. O Maverick ficou em segundo lugar, mas eu usei e não é tão bom assim. A interface é desajeitada e os resultados são inconsistentes. Talvez eles estejam apenas tentando criar hype? Eu passaria por agora.
0
10 अप्रैल 2025 10:18:45 पूर्वाह्न GMT
Los benchmarks del modelo de IA de Meta me parecen un poco extraños. Maverick quedó en segundo lugar, pero lo he usado y no es tan bueno. La interfaz es torpe y los resultados son inconsistentes. ¿Quizás solo están tratando de generar hype? Por ahora, lo dejaría pasar.
0
11 अप्रैल 2025 6:25:04 अपराह्न GMT
I tried Meta's Maverick and it's pretty good, but those benchmarks seem a bit off to me. It's not as smooth as they claim, and sometimes it's just plain wrong. I'm not sure if it's worth the hype. Maybe they need to tweak their testing methods?
0
