
Meta 将 Muse Wonder 训练的专用模型接入 Muse 和 Meta AI
来源标题:Bringing Specialized Models to Muse and Meta AI
Meta 把基于 Muse Wonder 训练的专用模型推送给 Muse 和 Meta AI 用户。Muse Wonder 是 Meta 迄今最强模型,在个人与职业智能体任务上达到最先进水平。Muse 在 Personal Superintelligence Index 上的得分从上一版本的 38% 提升至 47%。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
将专用模型引入 Muse 和 Meta AI
2 分钟阅读
几周前,我们推出了 Muse Wonder 系列——这是我们迄今为止能力最强的模型,在个人与职业 agentic 任务上达到了业界领先水平。今天,我们推出基于 Muse Wonder 训练的现有模型专用版本,并将其逐步提供给使用 Muse 和 Meta AI 的用户。
将关键前沿能力引入 Muse 和 Meta AI
记住真正重要的事
朝着你的目标持续推进
将关键前沿能力引入 Muse 和 Meta AI
我们设计 Muse Wonder 的初衷,是让它具备处理工作中和日常生活里复杂任务的前沿能力。我们也借助它来改进 Muse 和 Meta AI 背后的模型,让更多人用上其中部分能力。
Personal Superintelligence Index 上当前与上一代 Muse 模型的得分:47% 和 38%。。指数得分
当前 Muse 模型 上一代 Muse 模型 0% 10% 20% 30% 40% 50% 指数得分 47% 38%
Personal Superintelligence Index 当前 Muse 模型 上一代 Muse 模型 0% 10% 20% 30% 40% 50% 指数得分 47% 38%
Personal Superintelligence Index:Personal Superintelligence Index 系列 指标 数值 当前 Muse 模型 模型 当前 Muse 模型 当前 Muse 模型 指数得分 47% 上一代 Muse 模型 模型 上一代 Muse 模型 上一代 Muse 模型 指数得分 38%
记住真正重要的事
借助 Muse Wonder,我们推出了 Active Memory 和 Active Focus。现在,我们将这两项能力带入 Muse 和 Meta AI 中的专用模型。
Active Memory 让 Muse 和 Meta AI 能够记住重要信息,并识别早前信息何时变得相关,从而更轻松地在你过去的对话基础上继续推进。我们训练模型识别哪些信息是临时的、哪些是永久的,跨时间进行推理,并区分哪些内容仍然相关、哪些已经过时。例如,Muse 中改进后的模型在遗忘帮助你实现目标所需的关键信息方面减少了 2.4 倍。
Active Memory 评测中当前与上一代 Muse 模型的表现:90% 和 76%。。正确使用关键上下文的任务比例
当前 Muse 模型 上一代 Muse 模型 0% 25% 50% 75% 100% 正确使用关键上下文的任务比例 90% 76%
Active Memory 评测 当前 Muse 模型 上一代 Muse 模型 0% 25% 50% 75% 100% 正确使用关键上下文的任务比例 90% 76%
Active Memory 评测:Active Memory 评测 系列 指标 数值 当前 Muse 模型 模型 当前 Muse 模型 当前 Muse 模型 正确使用关键上下文的任务比例 90% 上一代 Muse 模型 模型 上一代 Muse 模型 上一代 Muse 模型 正确使用关键上下文的任务比例 76%
朝着你的目标持续推进
Active Focus 让 Muse 即使遇到意外挑战,也能继续朝着目标推进。我们使用反映真实世界的各种瓶颈对模型进行训练,使它们能够更努力地尝试、恢复或代你寻找替代方案。在 Muse 中,我们的模型在完成出现意外问题的日常任务方面提升了 67%。
我们还开发了专用模型,让它们借助 Muse Wonder 在 Muse 尤为重要的行为上发挥出色表现。例如,它们学会了成为出色的多任务处理者,知道何时独立推进你的目标、何时与你实时协作。它们也能在任务执行过程中更好地适应引导和澄清,而不会陷入混乱。
在 Meta AI 中,同样的改进造就了更好的思考伙伴和协作者。它能将复杂问题拆解为清晰的步骤,提出更精准的追问,并在对话中途你改变方向时跟上节奏。
通过将上述专用模型加入 Muse 和 Meta AI,我们希望让更多人能够使用能力更强的超级智能。我们期待你亲自体验。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。