وفقًا لرصد "دونغتشا بيتينغ"، غالبًا ما تعتمد تقييمات نماذج الذكاء الاصطناعي التقليدية على مجموعات بيانات أكاديمية عامة، مما يؤدي إلى وجود فجوة بين درجات الاختبار العالية والأداء الفعلي في الأعمال. أطلقت وكالة التقييم "تحليل اصطناعي" ستة مؤشرات خاصة بالصناعات لتقييم الأداء الفعلي في الأعمال، وذلك بالاستناد إلى المؤشرات الحالية للمهارات العامة المتعلقة بالذكاء والبرمجة (التي تغطي التمويل والقانون والرعاية الصحية والعمليات والهندسة والاقتصاد). على عكس مؤشرات المهارات العامة، يتم تخصيص المؤشرات الصناعية باستخدام توزيعات مرجحة تستند إلى تصنيف أنشطة العمل O*NET، لمحاكاة تكرار المهام في الوظائف الفعلية. وهي تطابق اختبارات القدرات الأساسية للنماذج الكبيرة (مثل التفكير المنطقي HLE، ومعالجة النصوص الطويلة LCR، والعمل الوكيل GDPval، إلخ) مع قاعدة المعرفة المتخصصة لكل صناعة (AA-Omniscience). في مرحلة الاختبار الأولي، تصدر النموذج المغلق المصدر Claude Fable 5 في جميع المؤشرات الثمانية، بينما حقق النموذج مفتوح المصدر GLM-5.2 المراكز الأولى في خمسة من المؤشرات الصناعية الستة، وسجل 53 نقطة في مؤشر الهندسة، مقتربًا من درجة 55 التي سجلها Claude Sonnet 5. كشف التقييم أيضًا عن فجوة كبيرة في الأداء: في مؤشر العمليات، تبلغ تكلفة المهمة الواحدة لنموذج Claude Fable 5 (3.48 دولارًا) أكثر من مئة ضعف تكلفة النموذج مفتوح المصدر DeepSeek V4 Pro (0.03 دولارًا)؛ وفي المؤشر القانوني، تكون النسخة الأولية من Gemini 3.1 Pro أسرع بنحو سبع مرات من Claude Fable 5، مع فارق درجات يبلغ 11 نقطة فقط. أصبحت الموازنة بين الأداء وفعالية التكلفة بناءً على سيناريوهات المهام معيارًا جديدًا لاختيار الذكاء الاصطناعي في المجالات الرأسية.

شاهد النسخة الأصلية

قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.

أعجبني
إعجاب
تعليق
إعادة النشر
مشاركة

تعليق

إضافة تعليق

لا توجد تعليقات

المواضيع الرائجة
عرض المزيد
#
GUSDYieldRisesto3.8%
786.95K درجة الشعبية
#
PredictWorldCupShare20000U
234.19K درجة الشعبية
#
IsraelStrikesIranBTCPlunges
69.66K درجة الشعبية
#
StrategySells3588BTC
7.99M درجة الشعبية
#
GTBurns2.57MInQ
117.34K درجة الشعبية

مُثبت

خريطة الموقع

ثورة في تقييم الذكاء الاصطناعي! إطلاق Artificial Analysis لمؤشر القدرات الصناعية: Claude Fable 5 يهيمن، المصدر المفتوح GLM-5.2 يقترب من حدود المصدر المغلق

المواضيع الرائجة

GUSDYieldRisesto3.8%

PredictWorldCupShare20000U

IsraelStrikesIranBTCPlunges

StrategySells3588BTC

GTBurns2.57MInQ

مُثبت