技术博客

马斯克近日分享了一篇关于字节跳动Seed团队与哥伦比亚大学商学院合作的报道，引发广泛关注。双方联合推出了名为FinSearchComp的金融搜索与推理基准测试，这是全球首个完全开源的金融领域基准测试。该基准包含635个由金融专家精心设计的问题，覆盖全球及大中华区市场，具有高度的专业性与实用性。研究团队还在多个主流金融模型产品上对FinSearchComp进行了全面评估，验证了其有效性与前瞻性。这一成果标志着金融人工智能评估体系的重要进展，也为行业提供了透明、可复用的技术标准。

在字节跳动公司最新发布的开源基准中，豆包代码大模型的性能在多种编程语言中仅次于OpenAI的Claude模型。研究人员对“反思策略”和“N次推断策略”进行了比较。反思策略通过利用SandboxFusion提供的反馈上下文，对答案进行多次迭代精炼，以实现自我精炼的效果，这一策略参考了Madaan等人在2024年提出的自我精炼策略。而N次推断策略则仅进行有限次数的推断来得出结果。