新智元报道

编辑：编辑部

【新智元导读】日日新·商量大模型5.0最近的一波升级，已经震惊到国外科技圈了！实测之后，我们发现：它的推理、数学能力又有了螺旋式上升。周冠宇最近三年比赛的情况、你不知道的F1冷知识，AI数据库都让你所见即所得。

中国的大模型，已经震惊了外国科技圈。

这不，这几天商量大模型的更新，直接让外国网友惊呼：太疯狂了，中国的AI界究竟还有多少我们不知道的巨变？

不怪这些网友太大惊小怪——最近全新升级的日日新·商量大模型5.0（SenseChat V5），在基础能力上再次重大更新，直接把大模型能力升级到新的阶段，直观印象可感的那种。

简单来就是，这款拥有强大逻辑推理能力的6000亿参数MoE模型，可以轻松地把你变成一个更好的打工人。

打工神器Part 1：办公小浣熊

所以说了这么多，得到日日新5.0加持的产品，到底会有怎样非一般的体验？

首先，我们来看看最直击打工人痛点的「办公小浣熊」。

顾名思义，它主打的就是一个办公能力。

体验地址：https://raccoon.sensetime.com/office

众所周知，在真实的办公场景中，往往会有很多极其复杂的图表，就连我们人类自己看到都会晕头转向。

更何况还有不少资料只有外文的，更是增加了阅读障碍。

办公小浣熊可以hold住吗？

前两天，F1中国大奖赛刚刚落幕，而作为索伯技术合作方的商汤，更是提供了一些资料。

而我们也借此直接上了点难度：导入一份拥有60万条数据的「全英文」表格，涵盖F1历史各类数据信息，让它分析一下。

毫不夸张地说，这项测试非常难！

要知道，这份数据体量非常庞大。而且 数据库中除了英文，还包含简写、划线-等复杂的元素。

比如，「周冠宇」对应的是「guanyu-zhou」（甚至不是guanyu zhou），信息模糊度比较高。

因此，对于模型来说，分析这样的数据并非是一件易事。

而我们也对这次的挑战，充满期待。

顺便说一嘴，商汤从2022年周冠宇第一次登上F1赛场开始，连续三年都是车队的技术合作伙伴

接下来，考验真本事的时候到了，我们给办公小浣熊下发任务：

给出周冠宇在2020-2024之间参与比赛数量的柱状图。

果不其然，在第一次尝试时，办公小浣熊无法从表中的英文名字「guanyu-zhou」匹配到周冠宇。

因此，它会认为图中没有周冠宇的信息。

下一步就得上点「提示」技巧了。

在接下来互动中，和它说「肯定会有的，你再找找」。

通过一步步的引导和互动，模型在我们的引导下学会了反思，然后成功地完成了任务！

可以看到，办公小浣熊通过努力思考，完成了所给任务的数据分析，并给出了相应的Python代码。

而这个交互过程也告诉我们，如果给模型的数据表格并不匹配、比较模糊，模型表现不尽如人意时，也不要放弃。通过互动，模型就很可能给我们惊喜，给出不一样的数据交互体验。

下面就是一个更难的任务，我们把F1历史上所有车手、车队、比赛、赛道、引擎制造商等等信息，导入数据库文件中，这个数据量是非常庞大的。

然后问模型：F1当中总共有多少车手？可以交叉表格进行计算。

这个任务，同样难度非常大，因为在所有字段中，没有任何一个是中文的。

最终，办公小浣熊用模糊的匹配，找到了相对应的信息——901位车手，这个答案完全正确！

在大模型产品中，办公小浣熊的这个表现，堪称高手中的高手。

在这个过程中，模型正是通过交互模式迭代的逻辑，多次查询了不同的表头，最终给出了能让我们理解的信息。

再换一个问题，「有哪些车手获得总冠军？并按获奖次数从高到低绘制柱状图」。

最终，模型整理出：获得最多总冠军的车手是汉密尔顿和舒马赫。

接下来，我们来看看它能不能从不同维度，统计出汉密尔顿和舒马赫的获奖情况。

办公小浣熊画了一个雷达图，清晰呈现出两人杆位数、圈数、领奖台数、胜利数等各维度的能力，汉密尔顿的次数还是略高于舒马赫。

在这个真实的数据应用场景中，通过交互方式对复杂表格实现了联动，日日新5.0表现出的强大推理能力，令人印象着实深刻。

下面，再来一个同样高难度的市场采购的案例。

上传「2024年新增供应商相关信息」文档之后，要求它整合到一个表格中，并要求表头以列出供应商分类、供应商名称、产品名称...列出。

办公小浣熊立刻给出了一个完整、清晰的表格总结版。

甚至，它还可以为你生成一个可视化的柱状图，将IT类、固资类、营销类、行政类费用直观地呈现出来。

包括热力图这类图表生成，它也可以拿捏。

此外，我们还可以一并上传多个文档，让办公小浣熊继续完成要求的任务。

首先它给出了可查阅的代码，最后生成了不同类别需要采购的数据表格，一看即明了。

一通测试下来，小编的感慨就是：能用上如此高效的数据分析、总结办公神器，真是每位打工人的福音。

并且，它还是免费的！

打工神器Part 2：文档大模型

另一个鲜明体现出日日新5.0能力的产品，就是商量-文档大模型。

据说，除了表格数据分析外，在长文本处理这个场景下，模型的能力也是一绝。

那我们就要来上难度了：丢给它一堆数学试卷，要求它从中找出一道解一元一次方程的解答题。

很快，它不仅从「小学数学试卷」的第五部分找到了对应的题型，甚至还麻溜地给出了解题过程。

我们还可以对它要求，再帮忙出一道类似的题目，但题型得是选择题。

它不光给出了题干，还顺便给出了正确答案和解题步骤。

再比如，上传一份小学试卷，让文档大模型帮你以小学生的理解力，去分析其中的一道应用题。

它可以像一位耐心的老师，指导学生做题一样，从步骤1、2、3详细地分析了缜密的解题过程，并给出了答案。

这样的AI老师，有谁不爱？

然后，文档大模型还可以是「出题机」，能给出一道类似的题目，可以充分锻炼自己举一反三的能力。

你还可以将自己做完试题的结果，告诉它，让它为你打分。

显然，8.4 ÷ 0.4 = 2.1答案不正确，正解应该是21。

就着这个文档，你可以无限提问。

文档大模型在题目几乎糊在一块儿的页面中，不仅能准确识别你想要的题目，还能悉心给出解答。

给它上传一份唐诗三百首和宋词三百首，我们就可以根据这些文件提问了！

比如，找出描写月亮的诗词。

它迅速找出了《静夜思》《望月怀远》《水调歌头.丙辰中秋》等作品。

下面，我们还可以来一个拔高性的提问：月亮在唐诗和宋词中的内涵有哪些异同点？

它回答道：相同点在于都是情感寄托、时光流转的象征和美的象征，不同点就在于表现手法、情感深度和文化背景的不同。

要问小编每天起早贪黑地辛苦打工，最爱听到的词是啥？大家异口同声的三个字就是——

10W+！

10w+的文章，到底有哪些套路呢？让文档大模型帮我们来分析一下。

以下是五篇10w+公众号爆款文章（没错，看名字就知道了）。

让我们把它们一次性扔给文档大模型。首先，它可以帮我们总结出每篇文章的摘要。

互联网文章千千万，为什么偏偏是它们成了爆款？

文档大模型分析后总结道：贴近生活的真实故事，一下子就让读者找到了自己的影子，产生了强烈的情感连接。

挖掘出人类共通的情感体验，再提供不同的观察视角，就会让文章有较高的思考价值。

所以，根据上述经验，我们如何炮制出类似的爆款呢？文档大模型提供了以下思路——

疫情下的亲子关系新常态；远程工作时代的职场妈妈；数字断舍离；老钱风到新钱风；人工智能时代的职业转型之路……

好家伙，这些命题听起来个个都很吸睛，已经忍不住想看了！下一步，就是码出几千字，篇篇十万加，走上人生巅峰了。

文档大模型这种超强的文本分析能力，甚至可以为文史哲的同学们写严肃论文提供思路。

比如，《论语》和《道德经》关于「德」的观点，有何异同？

文档大模型在咀嚼了长达29页21638个字的《论语》和14页7302个字的《道德经》后，分析出——

相同点在于，二者都高度重视「德」在个人修养和社会治理中的作用；区别在于，《论语》中的「德」更多关联到个人，后者还涉及到顺应自然、无为而治的理念。

如果想深入研究，应该阅读那些参考文章和书籍？文档大模型列出了相关领域的经典著作。

更厉害的来了，如果把两个文档的思想整合，能得到怎样的启发呢？文档大模型表示，可以从和谐共生的生活哲学、内在修养与外在行为的统一等方面入手。

沿着这个思路深入探讨下去，或许就能肝出一篇观点别具一格的学术论文了。

一大波Benchmark袭来

当然，除了打工之外，对于各种刁钻的测试，日日新5.0也没在怕的。

首先我们来看一张新鲜出炉的小米SU7照片。

因为是随手抓拍的，车辆本体其实很小。

不过，在日日新5.0加持下的商量，很轻松地就识别出了车型，而且还附上了一波详细的介绍，非常专业。

相比之下，其他的模型就直接GG了。

要么是认错了车，要么连车都没看到，只识别出了照片的水印。

接下来，向我们走来的，就是日日新5.0大战「弱智吧」难题。

「只切一刀，如何把四个橘子平均分给四个小朋友？」

商量为了公平起见，只切一刀还是得将四个橘子排成一排。这样，一刀下去，每个小朋友还是一人一个橘子。

这招真是高明！

接下来，则是一道非常「正经」的推理题。

「一个猎人向南走了一英里，再向东走了一英里，然后向北走了一英里，最终回到了出发点。他看到一只熊并开枪打死了它。这只熊是什么颜色」？

商量一语中的，说出了这道题实际上是——地理谜语。

因为只有在极点的时候，猎人才能听起来这么曲折的路程，回到出发点。

也就是说，这只熊一定是北极熊了。

5次模型迭代，全面对标GPT-4 Turbo

一波测试下来，想必你也对升级后的日日新5.0能力，有了大概的了解。

下图是一张对行业里模型的横评。

注意看，图中有一个亮点：最近的行业模型迭代，在纯粹知识型能力上提升没有那么显著，但在高阶推理，尤其是数学能力上，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。

这是因为，大部分用来提升数据质量的能力都构建在了推理能力上，并且是合成数据的推理。

尤其对于领域应用的落地而言，高阶推理能力更是成了行业大模型能力推进的重要指标。

日日新5.0在大部分核心测试集指标上，都已对标甚至超过了GPT-4 Turbo

让我们重回到这些评测上，不难看出，日日新5.0在语言、知识、推理、数学、代码等能力上，都有了一波明显的。

而在主流客观评测上，它已经达到甚至超越了GPT-4 Turbo的水平！

正如前文所说，日日新5.0如此之强的能力，靠的就是商汤团队在模型架构，以及数据配方上的持续优化。

从日日新1.0、到2.0、3.0、4.0，以及今天5.0的发布，每一次版本重大的迭代，背后核心都是——数据的升级。

过去一年里，商汤花了大量时间去完成了语料质量的优化，搭建了完善的数据清洗的链条。

对于5.0版本，他们重点关注了数据集中，是否蕴含比较丰富的逻辑。

通过对有高信息密度，逻辑性强的语料给予更高的权重，并对整体语料进行了高质量清洗，从而实现性能提升。

具体来说，商汤在知识层面上，采用了超10T的Token，保证了LLM对客观知识和世界的初级认知。

除此以外，商汤还合成了数千亿的思维链数据，成为日日新5.0性能提升，对标GPT-4 Turbo的关键。x

在内部，合成数据方式经历了两次迭代，从最初用GPT-4来合成数据，过渡到用自己模型中间版本合成数据，再进行训练的过程。

其中，商汤90%的合成数据是自家模型生成的，另外10%的数据由世界顶尖LLM生成。

由此，便可以得到非常高质量的数千亿合成数据。

这几天，奥特曼在斯坦福闭门演讲中谈到，「Scaling Law依旧有效，GPT-5要比GPT-4更强大，GPT-6也远远超越GPT-5，我们还没有到达这条曲线的顶端」。

也就是说，大模型下一步发展的空间潜力，将是无穷无尽的。

还真是有点期待日日新6.0的诞生了。

参考资料：

https://chat.sensetime.com/