俺去夜_财经热点_O俺去夜penAI最强竞对Claude再次出牌

O俺去夜penAI最强竞对Claude再次出牌

　　截至2023年三季度，全国各类养老机构和设施达40万个、床位820.6万张。截至2023年底，通过开展居家和社区基本养老服务提升行动，累计建设家庭养老床位23.5万张。全国累计完成困难老年人家庭适老化改造148.28万户。愈加完善的养老服务体系更好守护老年人幸福晚年。

出品｜虎嗅科技组作者｜余杨编辑｜苗正卿头图｜视觉中国10月22日，由Anthropic开发的Claude 3.5迎来重磅升级，发布了Claude 3.5 Haiku 和 Claude 3.5 Sonnet 。Claude模型也被称为“十四行诗”（Sonnet），Anthropic公司在为其模型命名时，借鉴了文学艺术作品中的术语，其中包括“俳句”（Haiku）、“十四行诗”（Sonnet）和“杰作”（Opus），这些名称不仅代表了模型的不同版本，也反映了它们在功能和性能上的特点。Claude 3.5 Sonnet 有着更强的编程能力，全新功能的computer use（计算机使用），支持像人类一样操作计算机，可以遵循用户的命令在计算机屏幕上移动光标，点击相关位置，并通过虚拟键盘输入信息，模拟人们与自己计算机的交互方式。目前，Claude 3.5 Sonnet 已投入使用。Claude系列大语言模型，一直被广泛认为是OpenAI的ChatGPT和谷歌的Gemini的主要竞争对手。Anthropic在X中发布了模型基准测试结果，与GPT和Gemini在多个领域进行横向对比。这些领域包括研究生水平的推理能力（GPQA Diamond）、本科生水平的知识掌握（MMLUPro）、代码编写能力（Code HumanEval）、数学问题解决能力（MATH）、视觉问答能力（MMMU）以及代理编码（SWE-bench Verified）和代理工具使用（TAU-bench）。在研究生水平推理测试（GPQA Diamond）中，Claude 3.5 Sonnet以65.0%的准确率拔得头筹，Claude 3.5 Haiku则以41.6%的准确率则稍显逊色。而Gemini 1.5 Pro 的准确率为59.1%，居于第二。在本科生水平知识测试（MMLUPro）中，Claude 3.5 Sonnet再次以78.0%的准确率领先，而Gemini 1.5 Pro 则以75.8%的准确率紧随其后。在此次主打的代码编写能力测试（Code HumanEval）中，Claude 3.5 Sonnet以93.7%的准确率取得了最佳成绩，GPT-4o系列模型在这一测试中也展现了不错的性能，准确率为90.2%和87.2%。虽然在数学问题解决测试（MATH）中，Claude 3.5系列稍显逊色，Gemini 1.5 Pro 仍然碾压全场，但对于视觉问答测试（MMMU）和代理编码测试（SWE-bench Verified），Claude 3.5 Sonnet和Claude 3.5 Haiku仍有着不俗的表现。而TO B的代理工具使用测试（TAU-bench），则直接关系到大模型的应用能力，此次主要测试了零售和航空领域。Claude 3.5 Sonnet在零售和航空领域的准确率分别为69.2%和46.0%，而Claude 3.5 Haiku在零售和航空领域的准确率分别为51.0%和22.8%。需要注意的是，OpenAI的o1模型家族由于其依赖于广泛的预响应计算时间，与典型模型存在根本差异，这使得性能比较变得困难，因此在本次评估中被排除在外。这可能不够具像化。Anthropic提供了一个演示，在2分钟的视频中，研究员给Claude提出了一个指令：我的朋友要来旧金山，我想明天早上和他一起在金门大桥看日出。我们将从太平洋高地出发。你能帮我们找到一个绝佳的观赏地点，查看一下开车时间和日出时间，然后安排一个日历活动，让我们有足够的时间到达那里吗？Claude的回应首先是，“让我搜索谷歌寻找最佳日出观赏地点”，并自行打开了Google开始搜索。Claude以用户的居住地为出发点，在地图中check了驾驶时间，随后，Claude不仅打开了一个新的网页确认明天的日出时间，还在日历中设置了行程提醒，并附上了Notes，URL和附件。开发者展示出Claude如何操控了自己的笔记本电脑，丝滑地完成了一个任务。Anthropic表示，“我们并没有制作特定工具来帮助 Claude 完成单个任务，而是教它通用的计算机技能——允许它使用为人类设计的各种标准工具和软件程序。我们构建了一个 API，使 Claude 能够感知计算机界面并与之交互。该 API 使 Claude 能够将提示翻译成计算机命令。开发人员可以使用它来自动执行重复性任务、进行测试和 QA 以及进行开放式研究”。在其他的demo中，开发者还让Claude填写了一份来自蚂蚁设备公司的供应商请求表，需要填写的数据散布在电脑的各个角落，Claude跨应用进行了搜索，切换到CRM系统中，滚动页面，查找填表所需的所有信息，然后提交了表格。AI操作电脑的能力代表了一种全新的人工智能开发方法，国内开发者也显示出在该领域深入的努力。10月23日，在荣耀MagicOS 9.0发布会上，新升级的YOYO智能体也展现出 AI 手机端操作能力的类似特质，不仅帮演示者提交了咖啡订单，还填写了博物馆场馆预约信息。一部分关注者对此满怀期待，认为这意味着工作中许多不得不做的繁琐事项，都可以交由AI 代劳了。不过，虽然Claude已经取得了一些成绩，但我们日常使用电脑时的许多操作，如拖拽、缩放等，Claude都还无法做到。并且，它的操作仍然相对缓慢，且像人类一样会出错。在一次演示中，Claude不小心点击停止了一个长时间运行的屏幕录制，导致所有录像都付诸东流。而在另一次编码演示中，Claude则突然“走神”，开始饶有兴趣地浏览起黄石国家公园的照片。但瑕不掩瑜，这并不妨碍我们像莎士比亚一样，将Claude的新技术比作“夏日”。本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com

koa12jJid0DL9adK+CJ1DK2K393LKASDad

编辑:高尚德

TOP1热点：建议保障职工周均工时44小时以内

　　躺在中国平煤神马集团总医院普外科的病床上，回忆着遇险与被救时的一幕幕，包括记平在内的很多矿工都夜不能寐。记平说他是幸运的，被送到医院时，除有些头晕外身体并无骨折或外伤，目前正在住院接受观察，同时他也为遇难的工友感到悲伤。。

　　今天（18日）下午，国务院新闻办公室举行新闻发布会，解读宏观经济形势和政策。发布会上，相关负责人介绍：2023年，中国经济顶住外部压力、克服内部困难，在战胜挑战中不断发展壮大。在世界进入新的动荡变革期、全球经济增长动能不足的大背景下，中国经济发展“稳”“进”“好”的特征更显突出。

TOP2热点：刘国梁建议“兵乓球三进”

　　毛宁表示，中方已经第一时间向新方提出严正交涉。新加坡领导人曾多次表示，台湾问题是中国红线中的深红线。中方重视新方这一说法，希望新方严格恪守一个中国原则，以实际行动维护中新友好关系大局。

会议指出，要通过管住“案”来管好“人”、治好“院”。针对监督检查中发现的突出问题和典型案例，点名道姓通报批评、督促纠正，依规依纪追责。

TOP3热点：美国暂停对乌克兰军事援助one.yg99.aqq一个致敬韩寒

　　“国际上谁违反一个中国原则，就是干涉中国内政，侵犯中国主权，必将遭到全体中国人民和国际社会的共同反对。中方对有关国家发声明‘致贺’等违反一个中国原则的错误做法表示强烈不满和坚决反对，已提出严正交涉。”毛宁说。

　　西藏自治区公安厅原党委副书记、常务副厅长，西藏自治区政协社会法制外事委员会原副主任杨光明（正厅级）涉嫌徇私枉法一案，由最高人民检察院侦查终结，移送西藏自治区人民检察院审查起诉。

TOP4热点：疑似阴阳C罗塔利斯卡社媒被冲老婆出轨时给老公打电话

　　任命宋其超为财政部部长助理；任命胡海峰为民政部副部长；任命郝军辉为国家消防救援局政治委员。免去田学斌的水利部副部长职务；免去徐平的国家消防救援局政治委员职务。

　　青海省数据局主要负责同志表示，将尽快完成数据局组建后续工作，按照省委省政府决策部署，主动融入新发展格局，立足省情实际，加强对数字青海、数字治理、数字赋能、绿色算力、数字经济等领域的深入研究，做好工作谋篇布局和顶层设计，依托对口支援、东西部协作、定点帮扶、招商引资等多重机制，加快形成全省数字经济“规划、基地、项目、政策、企业”五位一体协同推进的工作格局，以数字赋能助力打造生态文明高地、建设产业“四地”，为推动全省高质量发展增添新动力。

TOP5热点：莲花味精回应被当莲花跑车公司领导比老公厉害太多

　　此外，征求意见稿提出，不具备拆除新建条件的，纳入整治提升（含拆整结合）类城中村改造范围，开展经常性整治提升，按照文明城市标准实施和管理。在维持现状建设格局基本不变的前提下，为完善城市基础设施、公共服务设施，消除安全隐患，可按照规划采取“整治提升+局部拆建”方式实施拆整结合类改造；局部拆建应以栋为基本单位，涉及的拆除用地面积之和（含零星纳入的空地）原则上不超过拆整结合类城中村改造项目总用地面积的30%。