編輯：編輯部
【新智元導讀】日日新·商量大模型5.0最近的一波更新，已經震驚到國外科技圈了！實測之後，我們發現：它的推理、數學能力又有了螺旋式上升。周冠宇最近三年比賽的情況、你不知道的F1冷知識，AI資料庫都讓你所見即所得。
中國的大模型，已經震驚了外國科技圈。
這不，這幾天商量大模型的更新，直接讓外國網友驚呼：太瘋狂了，中國的AI界究竟還有多少我們不知道的巨變？
不怪這些網友太大驚小怪——最近全新更新的日日新·商量大模型5.0（SenseChat V5），在基礎能力上再次重大更新，直接把大模型能力更新到新的階段，直覺印象可感的那種。
簡單來就是，這款擁有強大邏輯推理能力的6000億參數MoE模型，可以輕松地把你變成一個更好的打勞工。
打工神器Part 1：辦公小浣熊
是以說了這麼多，得到日日新5.0加持的産品，到底會有怎樣非一般的體驗？
首先，我們來看看最直擊打勞工痛點的「辦公小浣熊」。
顧名思義，它主打的就是一個辦公能力。
體驗位址：https://raccoon.sensetime.com/office
衆所周知，在真實的辦公場景中，往往會有很多極其複雜的圖表，就連我們人類自己看到都會暈頭轉向。
更何況還有不少資料隻有外文的，更是增加了閱讀障礙。
辦公小浣熊可以hold住嗎？
前兩天，F1中國大獎賽剛剛落幕，而作為索伯技術合作方的商湯，更是提供了一些資料。
而我們也借此直接上了點難度：導入一份擁有60萬條資料的「全英文」表格，涵蓋F1曆史各類資料資訊，讓它分析一下。
毫不誇張地說，這項測試非常難！
要知道，這份資料體量非常龐大。而且資料庫中除了英文，還包含簡寫、劃線-等複雜的元素。
比如，「周冠宇」對應的是「guanyu-zhou」（甚至不是guanyu zhou），資訊模糊度比較高。
是以，對于模型來說，分析這樣的資料并非是一件易事。
而我們也對這次的挑戰，充滿期待。
順便說一嘴，商湯從2022年周冠宇第一次登上F1賽場開始，連續三年都是車隊的技術合作夥伴
接下來，考驗真本事的時候到了，我們給辦公小浣熊下發任務：
給出周冠宇在2020-2024之間參與比賽數量的柱狀圖。
果不其然，在第一次嘗試時，辦公小浣熊無法從表中的英文名字「guanyu-zhou」比對到周冠宇。
是以，它會認為圖中沒有周冠宇的資訊。
下一步就得上點「提示」技巧了。
在接下來互動中，和它說「肯定會有的，你再找找」。
通過一步步的引導和互動，模型在我們的引導下學會了反思，然後成功地完成了任務！
可以看到，辦公小浣熊通過努力思考，完成了所給任務的資料分析，并給出了相應的Python代碼。
而這個互動過程也告訴我們，如果給模型的資料表格并不比對、比較模糊，模型表現不盡如人意時，也不要放棄。通過互動，模型就很可能給我們驚喜，給出不一樣的資料互動體驗。
下面就是一個更難的任務，我們把F1曆史上所有車手、車隊、比賽、賽道、引擎制造商等等資訊，導入資料庫檔案中，這個資料量是非常龐大的。
然後問模型：F1當中總共有多少車手？可以交叉表格進行計算。
這個任務，同樣難度非常大，因為在所有字段中，沒有任何一個是中文的。
最終，辦公小浣熊用模糊的比對，找到了相對應的資訊——901位車手，這個答案完全正确！
在大模型産品中，辦公小浣熊的這個表現，堪稱高手中的高手。
在這個過程中，模型正是通過互動模式疊代的邏輯，多次查詢了不同的表頭，最終給出了能讓我們了解的資訊。
再換一個問題，「有哪些車手獲得總冠軍？并按獲獎次數從高到低繪制柱狀圖」。
最終，模型整理出：獲得最多總冠軍的車手是漢密爾頓和舒馬赫。
接下來，我們來看看它能不能從不同次元，統計出漢密爾頓和舒馬赫的獲獎情況。
辦公小浣熊畫了一個雷達圖，清晰呈現出兩人杆位數、圈數、領獎台數、勝利數等各次元的能力，漢密爾頓的次數還是略高于舒馬赫。
在這個真實的資料應用場景中，通過互動方式對複雜表格實作了關聯，日日新5.0表現出的強大推理能力，令人印象着實深刻。
下面，再來一個同樣高難度的市場采購的案例。
上傳「2024年新增供應商相關資訊」文檔之後，要求它整合到一個表格中，并要求表頭以列出供應商分類、供應商名稱、産品名稱...列出。
辦公小浣熊立刻給出了一個完整、清晰的表格總結版。
甚至，它還可以為你生成一個可視化的柱狀圖，将IT類、固資類、營銷類、行政類費用直覺地呈現出來。
包括熱力圖這類圖表生成，它也可以拿捏。
此外，我們還可以一并上傳多個文檔，讓辦公小浣熊繼續完成要求的任務。
首先它給出了可查閱的代碼，最後生成了不同類别需要采購的資料表格，一看即明了。
一通測試下來，小編的感慨就是：能用上如此高效的資料分析、總結辦公神器，真是每位打勞工的福音。
并且，它還是免費的！
打工神器Part 2：文檔大模型
另一個鮮明展現出日日新5.0能力的産品，就是商量-文檔大模型。
據說，除了表格資料分析外，在長文本處理這個場景下，模型的能力也是一絕。
那我們就要來上難度了：丢給它一堆數學試卷，要求它從中找出一道解一進制一次方程的解答題。
很快，它不僅從「國小數學試卷」的第五部分找到了對應的題型，甚至還麻溜地給出了解題過程。
我們還可以對它要求，再幫忙出一道類似的題目，但題型得是選擇題。
它不光給出了題幹，還順便給出了正确答案和解題步驟。
再比如，上傳一份國小試卷，讓文檔大模型幫你以國小生的了解力，去分析其中的一道應用題。
它可以像一位耐心的老師，指導學生做題一樣，從步驟1、2、3詳細地分析了缜密的解題過程，并給出了答案。
這樣的AI老師，有誰不愛？
然後，文檔大模型還可以是「出題機」，能給出一道類似的題目，可以充分鍛煉自己舉一反三的能力。
你還可以将自己做完試題的結果，告訴它，讓它為你打分。
顯然，8.4 ÷ 0.4 = 2.1答案不正确，正解應該是21。
就着這個文檔，你可以無限提問。
文檔大模型在題目幾乎糊在一塊兒的頁面中，不僅能準确識别你想要的題目，還能悉心給出解答。
給它上傳一份唐詩三百首和宋詞三百首，我們就可以根據這些檔案提問了！
比如，找出描寫月亮的詩詞。
它迅速找出了《靜夜思》《望月懷遠》《水調歌頭.丙辰中秋》等作品。
下面，我們還可以來一個拔高性的提問：月亮在唐詩和宋詞中的内涵有哪些異同點？
它回答道：相同點在于都是情感寄托、時光流轉的象征和美的象征，不同點就在于表現手法、情感深度和文化背景的不同。
要問小編每天起早貪黑地辛苦打工，最愛聽到的詞是啥？大家異口同聲的三個字就是——
10W+！
10w+的文章，到底有哪些套路呢？讓文檔大模型幫我們來分析一下。
以下是五篇10w+公衆号爆款文章（沒錯，看名字就知道了）。
讓我們把它們一次性扔給文檔大模型。首先，它可以幫我們總結出每篇文章的摘要。
網際網路文章千千萬，為什麼偏偏是它們成了爆款？
文檔大模型分析後總結道：貼近生活的真實故事，一下子就讓讀者找到了自己的影子，産生了強烈的情感連接配接。
挖掘出人類共通的情感體驗，再提供不同的觀察視角，就會讓文章有較高的思考價值。
是以，根據上述經驗，我們如何炮制出類似的爆款呢？文檔大模型提供了以下思路——
疫情下的親子關系新常态；遠端工作時代的職場媽媽；數字斷舍離；老錢風到新錢風；人工智能時代的職業轉型之路……
好家夥，這些命題聽起來個個都很吸睛，已經忍不住想看了！下一步，就是碼出幾千字，篇篇十萬加，走上人生巅峰了。
文檔大模型這種超強的文本分析能力，甚至可以為文史哲的同學們寫嚴肅論文提供思路。
比如，《論語》和《道德經》關于「德」的觀點，有何異同？
文檔大模型在咀嚼了長達29頁21638個字的《論語》和14頁7302個字的《道德經》後，分析出——
相同點在于，二者都高度重視「德」在個人修養和社會治理中的作用；差別在于，《論語》中的「德」更多關聯到個人，後者還涉及到順應自然、無為而治的理念。
如果想深入研究，應該閱讀那些參考文章和書籍？文檔大模型列出了相關領域的經典著作。
更厲害的來了，如果把兩個文檔的思想整合，能得到怎樣的啟發呢？文檔大模型表示，可以從和諧共生的生活哲學、内在修養與外在行為的統一等方面入手。
沿着這個思路深入探讨下去，或許就能肝出一篇觀點别具一格的學術論文了。
一大波Benchmark襲來
當然，除了打工之外，對于各種刁鑽的測試，日日新5.0也沒在怕的。
首先我們來看一張新鮮出爐的小米SU7照片。
因為是随手抓拍的，車輛本體其實很小。
不過，在日日新5.0加持下的商量，很輕松地就識别出了車型，而且還附上了一波詳細的介紹，非常專業。
相比之下，其他的模型就直接GG了。
要麼是認錯了車，要麼連車都沒看到，隻識别出了照片的水印。
接下來，向我們走來的，就是日日新5.0大戰「弱智吧」難題。
「隻切一刀，如何把四個橘子平均分給四個小朋友？」
商量為了公平起見，隻切一刀還是得将四個橘子排成一排。這樣，一刀下去，每個小朋友還是一人一個橘子。
這招真是高明！
接下來，則是一道非常「正經」的推理題。
「一個獵人向南走了一英裡，再向東走了一英裡，然後向北走了一英裡，最終回到了出發點。他看到一隻熊并開槍打死了它。這隻熊是什麼顔色」？
商量一語中的，說出了這道題實際上是——地理謎語。
因為隻有在極點的時候，獵人才能聽起來這麼曲折的路程，回到出發點。
也就是說，這隻熊一定是北極熊了。
5次模型疊代，全面對标GPT-4 Turbo
一波測試下來，想必你也對更新後的日日新5.0能力，有了大概的了解。
下圖是一張對行業裡模型的橫評。
注意看，圖中有一個亮點：最近的行業模型疊代，在純粹知識型能力上提升沒有那麼顯著，但在高階推理，尤其是數學能力上，有了很大提升。
比如，GPT-3.5到GPT-4的提升有100%之多，而Llama 2到Llama 3，直接提升了400%之多。
這是因為，大部分用來提升資料品質的能力都建構在了推理能力上，并且是合成資料的推理。
尤其對于領域應用的落地而言，高階推理能力更是成了行業大模型能力推進的重要名額。
日日新5.0在大部分核心測試集名額上，都已對标甚至超過了GPT-4 Turbo
讓我們重回到這些評測上，不難看出，日日新5.0在語言、知識、推理、數學、代碼等能力上，都有了一波明顯的。
而在主流客觀評測上，它已經達到甚至超越了GPT-4 Turbo的水準！
正如前文所說，日日新5.0如此之強的能力，靠的就是商湯團隊在模型架構，以及資料配方上的持續優化。
從日日新1.0、到2.0、3.0、4.0，以及今天5.0的釋出，每一次版本重大的疊代，背後核心都是——資料的更新。
過去一年裡，商湯花了大量時間去完成了語料品質的優化，搭建了完善的資料清洗的鍊條。
對于5.0版本，他們重點關注了資料集中，是否蘊含比較豐富的邏輯。
通過對有高資訊密度，邏輯性強的語料給予更高的權重，并對整體語料進行了高品質清洗，進而實作性能提升。
具體來說，商湯在知識層面上，采用了超10T的Token，保證了LLM對客觀知識和世界的初級認知。
除此以外，商湯還合成了數千億的思維鍊資料，成為日日新5.0性能提升，對标GPT-4 Turbo的關鍵。x
在内部，合成資料方式經曆了兩次疊代，從最初用GPT-4來合成資料，過渡到用自己模型中間版本合成資料，再進行訓練的過程。
其中，商湯90%的合成資料是自家模型生成的，另外10%的資料由世界頂尖LLM生成。
由此，便可以得到非常高品質的數千億合成資料。
這幾天，奧特曼在斯坦福閉門演講中談到，「Scaling Law依舊有效，GPT-5要比GPT-4更強大，GPT-6也遠遠超越GPT-5，我們還沒有到達這條曲線的頂端」。
也就是說，大模型下一步發展的空間潛力，将是無窮無盡的。
還真是有點期待日日新6.0的誕生了。
參考資料：
https://chat.sensetime.com/