首页 > 科技要闻 > 科技> 正文

百川智能首款AI助手大秀神操作!Baichuan 4强势升级登顶国内第一

新智元 整合编辑:龚震 发布于:2024-05-23 15:46

近半个月,国外科技大厂们连番轰炸,GPT-4o、Project Astra、Copilot+ PC的诞生让人目不暇接。

而国内大模型这边也是毫不示弱,不断地推陈出新、迭代升级。

就在今天,历时4个月打磨,百川智能发布了新一代基座大模型Baichuan 4。

不仅如此,他们还带着自家首款AI助手「百小应」杀入移动APP战场。

试玩地址:ying.ai

与吊人胃口的OpenAI不同,iOS和安卓版应用程序今天一并推出,并且免费使用。

毋庸置疑,「百小应」已经用上了升级后Baichuan 4基座大模型的能力,与其他的AI助手一样,读文件、获取最新信息、整理资料、辅助创作等各种问题,「百小应」通通可以解决。

但与众不同的是,「百小应」将Baichuan 4的能力与其天然的搜索技术优势进行了深度融合。

它不仅具备多轮搜索的能力,甚至还可以定向搜索,可以被看作是最懂搜索的AI助手。说这么多,不如来一波深度体验。

懂搜索、会提问的AI「伙伴」

在试用过程中,小编深深地体会到,「百小应」绝不仅是连接信息的工具,而是真正成为了一个提供知识和服务的AI助手,甚至有了一点伙伴的味道。

百小应的名称源自「一呼百应」

多轮搜索

在以往的搜索产品中,我们通常只会得到一个搜索结果。推一步才能走一步,非常被动。

但百小应不同,在得到搜索结果后,它还会结合用户的问题开启「自我反思」。

比如,它会自主判断当前提供的资料是否足够详实,从而来自主决策,是否需要进行更多轮次的搜索。

当我们问「含能材料的行业前景」,它就自己去进行了2轮搜索,然后给出了高度概括的介绍。

再问一个问题:中美两国在大模型行业的差距,究竟有多大?

百小应同样自动完成了2轮搜索,在技术积累、算力支持、产业应用、创新生态等方面,给出了客观中肯的分析。

可以看出,如果遇到市场调研、产业分析这类复杂场景,多轮搜索就能发挥最大的效力,更有效地获取更专业、更有深度的信息。

而在搜索结果的呈现上也可以看出,百小应相比其他搜索产品的独特之处。

它不是简单的总结网页信息,而是会将搜索结果嵌入回答中,成为回答的支撑或者创作的一部分,这样我们就有了参考资料来源,不必担心结果是无本之木、无源之水了。

除此之外,百小应在结果的结构化上,也做得非常优秀。

作为市场研究,上面这份输出的格式很标准,可以为行业分析、调研工作提供强大的助力。

定向搜索

很多时候,我们需要精准定位问题领域,直接访问权威站点。百小应的「定向搜索」,此时就显示出了强大的功能。

我们可以直接问它:人机交互领域有哪些经典著作和最新研究成果?

通过2轮搜索,它精准地找到了知乎上的参考资料,详细给出了领域内的经典著作和最新论文。

从它给出的论文链接中,我们直接就可以查阅arXiv上对应的论文。

相比之下,其他智能助手仅仅是针对搜索结果做了大致的总结。

下面,我们试着让百小应在arXiv上找出关于RAG的最新研究成果。

果然,它会选择直接访问arXiv,让我们更高效地链接到想要的结果,不必在多余的繁杂信息中浪费时间。

会提问

一次流利的搜索体验,是由产品和用户共同完成的。

一方面,模型需要掌握专业的搜索技能,懂得什么是搜索;

而另一方面,用户也必须会表达,才能真正通过AI来寻找到自己想要的信息。

虽然以上是最理想的情况,然而现实中,表达清楚自身需求,对很多用户是个困难的事儿,或者说懒得费那个脑子。

这种情况下,就需要让模型来引导用户「表达」了。遇到引擎盖打不开的情况,可以直接问百小应。

不过这个问题的答案,取决于车辆的品牌、型号、出厂年份。一般人去提问,应该是不太可能一开始就提问得这么周全的。

不用担心,百小应会通过提问来指导你。

在它的引导下,我们给出了车型的关键信息:比亚迪元。

这下百小应给出的信息,就更精准了,在提问了我们所在地区这个信息之后,它甚至给出了北京4S店的联系方式和地址。

想要策划一场浪漫的草坪婚礼,不如让「百小应」当你的婚礼的私人订制策划师。

这时,「百小应」并没有根据笼统的问题,一通乱答,而是继续引导我们给出明确的细节。

「为了更好地帮您规划,我需要了解包括预算,参加人数等一些额外的信息」。

在提供了预算20万左右,50人参加的信息之后,「百小应」立即给出了非常细致的定制方案。

从场地选择推荐、婚礼布置装饰、婚宴餐饮,再到音乐草坪游戏,摄影录像,都为你一并规划好了。

更惊喜的是,它最后还贴心地为我们做了所有的预算分配。

再来看一个演示,当你想要写一个「天津之眼」的种草文案,「百小应」同样先去提问,了解真正需求。

- 您希望这篇文案吸引读者哪类读者?(诸如旅游爱好者、情侣推荐,还是家庭旅游)

- 您希望通过这篇文案传达哪些主要内容和情感?(比如,浪漫氛围、历史文化、刺激体验等)

然后,你就可以从这些给定的选择中进行挑选,或提出自己的想法皆可。

接下来,「百小应」便会根据要求生成文案,简短的文字着重体现了「天津之眼」独特魅力所在。

综上演示,「百小应」之所以能够输出精确的结果,主要归功于「会提问」,通过提问引导、激发用户清晰表达自身具体需求,为每个人构建出个性化的解决方案。

多模态

在Baichuan 4多模态能力的支持下,「百小应」还可以对图片内容进行解读。

又或者,将图片作为补充材料,获取更精准的回答。最近比较火的AI开瓜,看看「百小应」能不能挑出,哪颗是最甜的瓜。

根据「百小应」的判断,一般西瓜表面条纹越清晰、颜色越深绿,可能代表着西瓜更成熟。

从图中看,推测得出,6和7看着条纹非常清晰。不过,它还是提醒我们,仅从外观上判断西瓜甜度并不准确。

小编这就去开瓜了。

再来一张经典的重庆地标夜景图,不知「百小应」能否认得出?

显然,这个问题根本难不倒它。

你甚至,可以让它就这张图片,生成一份朋友圈文案。

「百小应」真的很会,生成的文案内容非常吸睛,同时还体现出了小众但不矫情的风格。

文档速读

除了以上提到的能力之外,「百小应」还支持上传PDF、Word文档,网页链接皆可行。这就非常适合,需要大量阅读长篇幅文献、报告等内容的科研者,或是解析复杂数据表格的金融分析师等。

「百小应」可以做到,仅用1分钟的时间,读完上市公司财报。比如,上传一份长达31页的特斯拉2024年第一季度财报文件。

然后要求「百小应」去解读财报,总结出值得关注的信息,并给出相对应的原文。

没想到,眨眼的功夫,「百小应」总结出了十个要点,并配上原报告highlights的内容。

再给它po一个链接,总结GPT-4o发布会的一些关键要点。

「百小应」的输出结果,基本上覆盖了全部的要点。

此外,「百小应」还可以支持通过语音的方式进行交互,简直是「手癌」患者的福音。

 

大模型时代新物种,AI不再是「工具」

经过一番实测之后,「百小应」已经在长文本阅读、多模态理解、提问搜索等多方面任务上,表现出强大的能力。

百川智能认为,让AI从工具变为伙伴,基于大模型打造的AI助手更像是在「造人」。

就像人类能够利用工具,听说读写看,甚至会思考一样,AI助手随着基座模型迭代,也将具备相应的能力。

虽然当下的AI助手还不具有情感、记忆、决策等高阶能力,距离「伙伴」还有很长的路要走,但是AI助手已经具备了部分伙伴所需要的能力,比如会思考,会用工具。而搜索正是当下AI助手最重要的工具。

只有将大模型与搜索相结合,才能发挥出巨大的优势。甚至,人们普遍认为大模型的第一波应用,就是在搜索。

为什么这么说?大模型饱受诟病的「幻觉」问题,是无法避免的,而植入搜索可以提升LLM回答准确性,早已成为行业共识。其实,国内外大部分企业,早已给自家AI助手类应用增加了搜索功能。

但同样的搜索,却有着不一样的思路。一种普遍的做法是收到用户的指令后,搜索相关信息,然后总结搜索结果进行输出。

而百川智能认为,大模型+搜索应该是在回答中嵌入搜索结果,用搜索赋能大模型,提高模型回答的鲜活性,让大模型言之有物,而不是用大模型赋能搜索。

由此,我们所看到的「百小应」,才是APP中懂搜索、会提问的那个应用。

百小应之所以能将大模型与搜索的能力很好地融为一体,是因为搜索一直是百川智能探索LLM的重点方向之一。

这家公司创始人和研发团队有着多年的前沿搜索经验,在去年发布首款闭源模型Baichuan 53B时就采用了「搜索增强技术」,大大提升了基座模型的输出结果的性能。

首款AI助手「百小应」能够表现不凡,当然也离不开此次基座模型Baichuan 4能力的大升级。

Baichuan 4登顶国内第一

Baichuan 4相较于上一代Baichuan 3,在通用能力上有着显著提升。

在刚刚发布的SuperCLUE权威中文评测中,Baichuan 4以80.64分成绩,登顶国内第一。

SuperCLUE总榜

具体来看,在理科任务中,Baichuan 4表现不俗,以 76.90 分的成绩排名国内第一。

然而,与GPT-4-Turbo-0125相比,相差4.23分,仍有一定的提升空间。

其中,逻辑推理(74.4分)、工具使用(80.8分)这两项均刷新国内最好成绩。

在文科任务中,Baichuan 4取得了83.12高分,文科能力全球第一,比GPT-4-Turbo-0125高出5.33分。

其中,知识百科(89.8分)、长文本(80.8分)、生成创作(83.4分)、传统安全(90.2分)均刷新国内最好成绩。

在与国内大模型平均得分相较下,Baichuan 4在所有能力上均高于平均线,展现了均衡的综合能力。

尤其是,在逻辑推理(+18.64)、代码(+18.89)、长文本(+20.77)能力上远高出平均线15分以上。

而与国外主流大模型对比,Baichuan 4在文科类任务取得领先优势。

特别是在知识百科、长文本理解、工具使用、语义理解和创意生成等方面,表现突出。

这使得Baichuan 4非常适合应用于知识运用、智能体、内容创作和长程对话等多种场景。

然而,它在代码能力方面仍有提升的潜力。

多模态能力仅次于GPT-4V

此外,在各大基准测试中,Baichuan 4还具备了行业领先的多模态能力,表现更加亮眼。

具体在MMMU、MMBench-EN、CMMMU、MMBench-CN、MathVista等评测基准上,新模型实力仅次于GPT-4V,完全碾压Gemini Pro、Claude 3 Sonnet等模型。

技术创新

为什么Baichuan 4,能够在4个月这么短的时间取得突破?一切都源于,其在训练过程中引入了很多业界领先的技术优化手段。

在预训练阶段,为了有效提升LLM对数据的利用,新模型采用了基于Model-based+Human-based的协同数据筛选优化,并对长文本建模位置编码科学的Scaling Law。

在对齐阶段,还重点优化了模型推理、规划、指令跟随的能力,通过「损失」驱动数据选取与训练,阶段爬坡,多模型参数融合等方式,有效提升LLM关键指标和稳定性。

同时,团队还采用了RLHF和RLAIF融合后的「RLxF」,强化学习对齐技术,大幅提升模型的指令跟随等能力。

此外,Baichuan 4另一项的技术创新便是为LLM推理提速,提出了全新的投机采样方案clover。

通过将序列知识与并行解码结合,使得投机采样的命中率提升至60% ,同时成本降低30%以上。

1000万token免费薅,零代码Agent即将上线

发布会现场,百川智能推出了全新的MaaS+AaaS服务。

对于企业来说,需要的并不是大模型,而是生产力、生产效率的提升。

百川智能认为,拥有MaaS+ AaaS(Agent as a service)双重能力,企业才能构建出智能化的最佳方案。

MaaS版块由基座模型组成,分为旗舰版和专业版。旗舰版将全量开放Baichuan 4的各项能力,Baichuan 4不仅拥有国内第一的中文能力,并且具备行业领先的金融知识和问答能力,在SuperCLUE的金融知识百科能力上,Baichuan 3曾取得了A+的最高评级。

专业版,则包含Baichuan3-Turbo和Baichuan3-Turbo-128K两款模型,在价格方面相比旗舰版Baichuan 4更实惠。

而且,这些模型均针对企业用的高频场景进行了针对性优化,综合测试相比GPT3.5整体效果提升8.9%。

百川智能表示,即日起,MaaS的新用户可以获得1000万免费token!在Baichuan 4基础上,百川智能针对Agent构建,推出了Assistan API接口。

它不仅支持Code interpreter、RAG内建工具,还支持自定义工具调用,方便企业接入各种丰富复杂的API。

评测结果显示,Assistant API的工具调用能力,已经接近了Open AI assistant API的水平。现在,Assistant API已经正式开启内测邀请,试用免费!

接下来,百川智能还将推出零代码Agent创建平台产品。

任何业务人员,都可以通过自然语言创建Agent,更好地赋能企业智能化发展。

在生态方面,百川智能的「朋友圈」可以说范围之广。

目前已经服务了了数千家客户,包括完美世界游戏、爱奇艺、 创梦、什么值得买等各行业的领军企业。

同时,还与与信雅达、用友、软通动力、新致软件、达观数据等多家行业生态伙伴,以及华为、曙光等硬件厂商和中国移动、电信、联通等运营商达成合作,携手构建百川大模型生态。

顺便提一句,百川智能在成立1年多的时间里,以超乎想象的研发速度,共发布了12款大模型。

Baichuan 4之后,不知还有什么样的惊喜等着我们。

参考资料:https://ying.baichuan-ai.com/chat

文章来源:新智元

 

新智元

网友评论

聚超值•精选

推荐 手机 笔记本 影像 硬件 家居 商用 企业 出行 未来
二维码 回到顶部