学术

Claude挣钱强于o1！OpenAI开源百万美元编码基准，检验大模型钞能力

作者

OpenAI 推出并开源 SWE-Lancer 基准测试，用于评估 AI 大模型在现实世界软件工程任务中的表现。包含 1400 多个自由软件工程任务，总价值 100 万美元。包括自家 GPT-4o、o1 和 Anthropic Claude 3.5 Sonnet 在内的前沿模型未能解决大多数任务，仅 Claude 3.5 Sonnet 拿到最高报酬 403,325 美元。

DeepSeek V3+R1满血微调工具上线！一键启动，硬件要求降10倍

作者

Colossal-AI 发布了大模型后训练工具箱，包含低成本监督微调解决方案及强化学习工具链等。通过 Colossal-AI 的一键启动脚本，用户可以快速完成 DeepSeek V3/R1 模型的微调，并支持多种硬件配置。同时，团队还验证并实现了 GRPO 算法及奖励设计方法用于深度学习模型优化。