Wenxin 5.0 vient de remporter le titre de classement de texte LMARaena, ce qui en fait l'éditeur de texte national de premier plan (SOTA) ! LMArena vient de mettre à jour son classement des modèles de traitement de texte de grande taille. Baidu Wenxin 5.0-preview-1203 (ERNIE-5.0-Preview-1203) se hisse à la 10e place et est le seul modèle chinois de grande taille à figurer dans le top 10. Il surpasse GPT-5.2 et Claude-Sonnet-4.5. Le deuxième modèle chinois de grande taille se classe 22e, ce qui en fait le seul modèle non américain du top 20. Réaliser une telle performance en traitement de texte parmi les meilleurs modèles dont la langue principale est l'anglais est un véritable exploit. Permettez-moi de présenter brièvement les capacités textuelles des grands modèles. En termes simples, il s'agit de la compétence fondamentale de l'IA : la compréhension et la génération du langage naturel. Ces capacités textuelles sont celles que nous utilisons au quotidien dans les conversations avec l'IA, ainsi que pour la compréhension sémantique approfondie, le raisonnement logique, l'intégration des connaissances et la cohérence des dialogues à plusieurs tours de parole. Baidu a accumulé une vaste expérience en traitement automatique du langage naturel (TALN) traditionnel. En tant que principal point d'accès à l'internet chinois, Baidu a constitué une immense base de données de pages web, de questions-réponses et de graphes de connaissances en chinois. Ce corpus chinois authentique et diversifié fournit au modèle Wenxin des ressources d'entraînement inégalées, lui permettant de comprendre le chinois bien mieux que les autres modèles. Le développement de modèles à grande échelle conçus en Chine est actuellement très prometteur. Ces modèles ont atteint un niveau très élevé, non seulement en termes de capacités de programmation, mais aussi dans d'autres domaines tels que les capacités mathématiques et les performances des agents. Nous anticipons de nouveaux progrès dans ce domaine. #WenxinLargeModel#BaiduWenxin#ERNIE#Wenxin5#LMArena
Chargement du thread
Récupération des tweets originaux depuis X pour offrir une lecture épurée.
Cela ne prend généralement que quelques secondes.


