咱们用GLM-4-Plus搞了个“阅读智能体”，责任遵循晋升了300%
发布日期：2024-10-15 05:07 点击次数：131
文｜Alter
每隔一段时刻，大模子行业都会传出新的音信。
先是在9月中旬，OpenAI在莫得预报的情况下发布了o1模子的预览版；不到半个月后，国内的智谱发布了若干更新模子，其中就包括新的基座大模子GLM-4-Plus，亦然智谱刻下最浩瀚的模子。
海外围绕o1模子的策动和场景探索还在不绝，也让咱们对GLM-4-Plus萌发了兴味：智谱的最强模子到底有多强，大致惩处哪些“悬而未决”的问题，又将带来什么样的影响？
01 人人前三的GLM-4-Plus，到底强在那处
早在9月底的时候，国内东谈主工智能泰斗机构清华大学基础模子策动中心就对国表里最具代表性的大模子进行了新一轮的轮廓性测评，评测数据集包含语义、对王人、代码、智能体、安全、数理逻辑、辅导遵命等等。
按照清华大学基础模子策动中心发布的SuperBench九月轮廓榜单，GLM-4-Plus的轮廓才智排行前三，冲突了往常被海外大模子附近前三甲的阵势，并在多个要害才智上保抓了国际跳跃水平。
鉴于GLM-4-Plus在上线前照旧内测了一段时刻，期间有不少技艺博主曾进行评测，咱们热心到了三个层面的才智晋升。
一是谈话集中才智，通过大限度语料库测验和优化算法，GLM-4-Plus在处理复杂语义上的发挥较其他模子愈加出色。
借用测评博主toyama nao的论断：在难度较高的生果热量计较上(需要合理搭配生果，使总热量刚好在一个区间)，大部分模子并莫得果真懂题目，但GLM-4-Plus统统集中了题意，并继承缓缓充数的设施给出了正确谜底，何况回复尽头有“东谈主味”，亦然第一个在此题拿到满分的模子。
二是长文本才智，GLM-4-Plus守旧128K高下文，凭借编削的驰念机制和分段处理技艺，不错高效地处理无数文本信息。
咱们之前曾让守旧1M高下文的GLM-4-Long饰演了“书僮”的变装，两分钟就能“熟读”50多万字的《国史大纲》。GLM-4-Plus在高下文长度上莫得过于“激进”，而是基于精确的诟谇文本数据搀杂政策，获得了更强的长文本的推理后果，大致知足论文阅读、著述转头等更高频的哄骗需求。
三是时序问答和多轮对话才智，从单一的图像识别进化到对视频、图像的集中，并能针对单个视频进行多轮对话问答。
在智谱的Demo中，输入长达40秒的视频后，GLM-4-Plus不错准确集中并感知时刻，精确定位到事件发生的时刻，然后在视频集中的基础上归并高下文进行对话，比如视频中的某个物体是在第几秒出现的、一共出现了几次，在智能安防、智能检测等场景中有着不可小觑的哄骗空间。
虽然，以上只是咱们比较感兴味的几个才智，GLM-4-Plus的晋升还体目前数知识题与代码计较、数据分析任务、机器翻译等方面，行为智谱全模子家眷坚实的才智底座，号称“六边形战士”般的存在。
02 比性能见地有感知的，是惩处问题的才智
智谱提供了GLM-4-Plus的API接口，即使不懂技艺旨趣、不会测验和微调，也不错调用API来惩处责任中的骨子问题，甚而开始设备出一个“智能体”，比较性能见地上的晋升，有着更径直的价值感知。
因为浅近责任需要处理无数的笔墨贵府，限于大模子的谈话集中和长文本才智，一些需求尚未被知足。于是咱们在智谱的绽放平台bigmodel上调用了GLM-4-Plus，并进行了针对性的场景测试：
第一个是财务文告的阅读和信息整理。
每次到了财报季，不少企业会公布一份长达几十页乃至上百页的文告，重新到尾阅读文告的内容，至少需要两个小时的时刻，何况会民俗性忽略掉一些要害信息，是以咱们将信息的整理责任交给了GLM-4-Plus。
咱们上传了PDF文献，并输入“转头文告中的中枢信息”的辅导后，GLM-4-Plus飞速给出了咱们想要的信息：
其中有两个让咱们目下一亮的细节处理：原文告中单元是“千好意思元”，GLM-4-Plus在输出的转头内容中，自动将单元换算成了“百万好意思元”；“晶圆代工”的收入和增长并未体目前图表中，仅在“顾问层策动与分析”的篇末说起，依旧被GLM-4-Plus精确“捕捉”。
第二个是围绕一些细节信息的对话问答。
文档阅读险些是悉数大模子主打的场景，只是是信息转头似乎不行评释GLM-4-Plus的才智有多强。是以咱们进一步晋升了难度，用一些“荫藏”在表格中的信息征询GLM-4-Plus，考据能否在数万字的文告中准确回复。
比如“目前有若干研发东谈主员，30岁以下年青东谈主占比”的问题：
这个问题的招引性在于，表格平永诀列举了2023年中庸2024年中的研发东谈主员数目，如若大模子不行准确集中高下文语义，很可能会给出2023年的数据。GLM-4-Plus的发挥无疑可圈可点，不仅准确收拢了2024年的数据，给出了表格中莫得的计较过程，何况将和问题对应的数字进行了加黑处理。
第三个是索求中枢信息并生成视频剧本。
除了归纳转头和信息检索，另一个刚需场景在于内容生成。咱们尝试让GLM-4-Plus在文告的基础上索求中枢信息并生成视频剧本，在这个产物高度同质化的赛谈上，GLM-4-Plus能否给出不一样的体验感呢？
截止再次超出了咱们的预期。
原认为GLM-4-Plus会像好多大模子一样只是对信息进行简便的转头，最终给到的是一份90分的高分答卷，涵盖旁白、画面切换以及对插入图表、数据动画、“配景音乐选拔轻快但不喧宾夺主的作风”等贴心提出，也让咱们进一步集中了测评博主toyama nao为何会给GLM-4-Plus“有东谈主味”的评价。
作念一个转头的话，在GLM-4-Plus的匡助下，咱们的责任遵循至少晋升了300%，筹商到智谱照旧在智谱清言上线了视频创作智能体清影，30秒即可将大肆笔墨生成视频，让咱们对GLM-4-Plus的才智有了更多的期待：也许在不久后，只需上传一份财报，就能自动生成视频快讯。
03 东谈主机交互的新范式，正被千万设备者界说
尽管咱们的需求主要逼近在内容创作上，但在体验了GLM-4-Plus的才智后，脑海中产生了这么一个贯通：GLM-4-Plus晋升的不只单是责任遵循，东谈主机交互的民俗正在野不可逆的标的演变。
就像财报分析的过程，有别于往常逐段阅读、边看边记条记的面孔，GLM-4-Plus的多轮对话才智，让咱们不错对着目次针对性发问，对通盘责任经由和遵循险些是重塑的，一朝养成了民俗就不肯再近似往常的面孔。
在整理素材的过程中，咱们看到了GLM-4-Plus更多的哄骗场景：
有东谈主将整理的大厂口试题库“喂”给了GLM-4-Plus，然后让模子生成针对性的口试题目。梦猜度智谱清言APP上线的“视频通话”功能，让AI饰演口试官的变装，进行一双一针对性测验并非莫得可能。
也有东谈主在挖掘GLM-4-Plus的数知识题与代码计较才智，在大模子的匡助下一步步厘清破题念念路、给出准确的代码计较逻辑，进而匡助学生更好地分析息争答数学题，让GLM-4-Plus充任一双一家教。
更大畛域的用户民俗，还需要和千万设备者全部培养。
比如智谱清言APP的“视频通话”功能，当AI有了“眼睛”后，帮咱们解锁了功课辅导、产物先容、游戏助手等一系列新体验。目前智谱照旧启动内测GLM-4-Plus-VideoCall，将“视频通话”的魔法赋予越来越多的设备者。
以智能硬件为例，VR眼镜、智能音箱、家素养习机等产物都不错集成GLM-4-Plus-VideoCall，完毕视频通话、语音多轮交互等跨模态才智，让电影《Her》中的场景从科幻走进试验。
相同的例子还有风头正劲的具身智能，在工业机器东谈主等场景中，一朝领有了视频分析与及时交互才智，将不再局限于设施设备的机械操作，极大晋升工业机器东谈主的自主操作才智，进一步自如分娩力。
也等于说，GLM-4-Plus不只是“智能体”设备者的契机，还为硬件设备者提供了软硬协同的配合空间。
把视角再放大一些的话，苹果照旧在iPhone 16系列上搭载了一颗悲怆的“相机键”，并在官方演示中将其界说为视觉AI的交互进口，在很猛进程上预示了硬件编削的标的。
由此不错得出的论断是：智谱等大模子厂商照旧向硬件设备者展开了怀抱，而苹果为首的硬件厂商正在积极理睬AI期间，一场“双向奔赴”将是不错预感的结局。
04 写在临了
令东谈主焕发的，远不啻大模子的才智进阶和落地场景。
智谱在更新模子的同期，还同步开释了一波红利：10月份将拯救每位用户1亿tokens额度，并字据耗尽梯度提供最高1折的API扣头。
原因并不深奥释，GLM-4-Plus在才智晋升的同期，本钱也在大幅下跌。大模子落地到千行万业的临了一谈扼制，正在无形中“阐述”。恭候咱们的，注定是一个被大模子改写的星光熠熠的期间。