我向6个前沿LLM提供了相同的巴赫MusicXML文件和提示。结果都是一次生成的,未经编辑
摘要
一位用户测试了六个前沿LLM,从巴赫MusicXML文件在一次生成中生成音乐,并展示了未经编辑的结果。
暂无内容
相似文章
Libretto:赋予LLM代理音乐结构感知
Libretto提出了一种结构化框架,用于符号音乐生成与修改,采用LLM原生语法和经语料库校准的统计评估,涵盖多个音乐维度,使LLM代理能够将音乐视为可测量和可编辑的对象。
5 个前沿大语言模型根据 50 个提示词为 39 个本地大语言模型评分
一位爱好者使用 5060 Ti,在 50 个提示词上对 39 个本地大语言模型进行了基准测试,随后让四个前沿大语言模型(Gemini 3.8、GPT-6.1 的不同变体、Gemini 4)对输出进行评分,结果将 Bonsai-2 27B 和 Underdog-Saluki 27B 列为能力最强的模型,同时将 Nanbeige4.2 3B 和 Gemma-4 12B 等较小模型评为最适合微调的基础模型。
我们针对475个创意写作提示,对24个大语言模型与人类作家进行了基准对比
本次基准发布比较了24个大语言模型与人类作家在475个创意写作提示上的表现,使用自定义奖励模型显示前沿模型优于业余作家,但不及专业作家。
评估了6个前沿LLMs(GPT-5.4、Claude Sonnet 4.6、Claude Opus 4.7、Gemini Pro/Flash、Grok 4.3)在政治、性别和种族偏见方面的表现,跨越8个基准测试(约20,600个示例)[R]
一项对6个前沿LLMs在8个偏见基准测试上的独立评估发现,大多数模型在政治上偏左,并且Grok自述的右倾立场与其左倾行为不一致。拒答率各不相同,GPT-5.4在20%的种族相关问题上拒绝回答。
试了 LFM2.5-24-A2B,垃圾。没错,我再次确认。我甚至不信任它能正确剥一颗花生
一位 LocalLLaMA 用户分享了量化版 LFM2.5-24B-A2B(Q4_K_M GGUF)模型的糟糕实测体验,指出其存在循环复读、在 agentic 任务上代码生成崩溃,以及即使使用了修复后的聊天模板和 Hermes 集成,插件开发结果依然很差。