一位人工智能爱好者开发了一种新颖的方法来压力测试 NVIDIA 的 Cosmos 3 模型，方法是创建一个模型进行自我辩论的“竞技场”。这个“Cosmos Arena”使用了一个多代理系统，具有倡导者、怀疑者、实用主义者和仲裁者等不同角色，所有这些都运行在同一个 Cosmos 3 实例上。目标是评估模型在不依赖标准基准分数的情况下，维持立场和通过论证进行推理的能力。Cosmos 3 专为机器人等物理人工智能任务而设计，因其推理 Transformer 而被选中，其在此类基于语言的辩论中的表现正通过 Nebius Token Factory 提供。 AI
影响 展示了一种超越传统基准测试的评估大型语言模型推理能力的新方法，可能影响未来的模型开发和测试。
排序理由 该集群描述了一种现有模型的创新应用和测试方法，而不是新的发布或研究突破。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
