OpenAI 正在推动行业特定的 AI 基准测试 – 为什么这很重要

快速阅读: 据《ZDNet》最新报道，OpenAI推出开拓先锋计划，填补行业特定人工智能模型基准测试的空白，与多行业公司合作开发评估方法并优化现有模型。此外，研究指出企业应用AI需更专业的基准测试，如Salesforce提出的EGI概念。

路透社/NurPhoto/供稿人
基准性能结果通常伴随着每个新的人工智能模型的发布，以展示其在各种任务中的表现。然而，这些任务并非针对特定行业设计，而是更为通用的，例如小学数学（GSM8K）或研究生水平推理（GPQA）。

此外：
ChatGPT 现在能记住你说过的每一句话——就像一位真正的私人助理。

**开拓先锋计划**
为填补这一空白，OpenAI 推出了开拓先锋计划，旨在推动特定行业及现实世界应用场景中的人工智能模型开发。该计划是一项双管齐下的努力，公司可以与 OpenAI 的研究人员合作，开发更具领域针对性的评估方法和微调模型。

在博客文章中，OpenAI 表示：“像法律、金融、保险、医疗保健、会计等行业缺少一个统一的模型基准测试来源。”因此，OpenAI 将与每个行业的多家公司合作，开发这些评估方法，这些评估不仅旨在开发模型，还旨在增强公众对这些系统的信任。

此外：
Anthropic 表示，人工智能不是撞上了瓶颈，而是变得太聪明而无法通过基准测试。

研究指出，这种基准测试的空白是企业应用人工智能中的主要缺口。例如，Salesforce AI 研究负责人西尔维奥·萨瓦雷塞提到，他正在开创一个概念，指的是更先进的、针对企业特定需求的人工智能解决方案，即企业通用智能（EGI）。

在与 ZDNET 的对话中，他分享道，实现 EGI 的一个重要步骤是那些能够评估领域特定功能的基准测试。

**优化现有模型**
除了评估，OpenAI 还将与团队合作，使用一种名为强化微调（RFT）的技术，针对三个行业特定用例优化现有的模型。OpenAI 团队将指导公司如何使用 RFT，然后公司可以决定如何部署这些模型，这些模型应该已经准备好进行大规模部署。

此外：
斯坦福大学学者表示，人工智能模型的竞争突然变得更加激烈了。

首批参与者将包括几家专注于“推动实际影响”的初创公司。如果你的公司符合这些标准，可以通过填写 OpenAI 开拓先锋计划网页上的基本信息表单申请加入。

每天早上通过我们的《科技今日》新闻简报获取当天最重要的头条新闻。

**人工智能**
2025 年最佳编码人工智能（以及不该使用的——包括 DeepSeek R1）
我测试了 DeepSeek 的 R1 和 V3 编码技能——我们还不全完蛋（至少现在还没）。

如何从你的 Microsoft 365 计划中移除 Copilot
如何在 macOS 上安装 LLM（以及为什么你应该这么做）

2025 年最佳编码人工智能（以及不该使用的——包括 DeepSeek R1）
我测试了 DeepSeek 的 R1 和 V3 编码技能——我们还不全完蛋（至少现在还没）。

如何从你的 Microsoft 365 计划中移除 Copilot
如何在 macOS 上安装 LLM（以及为什么你应该这么做）

(以上内容均由Ai生成)