Anthropic发布Claude 3.5 Sonnet附录，提升编码与视觉基准表现

Anthropic发布了Claude 3模型卡的附录，详细介绍了Claude 3.5 Sonnet。这是一款在速度和成本上优于Claude 3 Opus的新模型，同时在编码和视觉处理方面提供了增强的能力。

• Claude 3.5 Sonnet在研究生级科学（GPQA）、通用推理（MMLU）和编码熟练度（HumanEval）方面树立了新的性能标准。
• 它在MathVista、ChartQA和DocVQA等五个视觉基准测试中取得了最先进的结果。
• 在内部代理式编码评估中，该模型解决了64%的问题，而Claude 3 Opus仅解决38%。
• 人类反馈评估显示，在编码、文档和创意写作等核心能力方面，其胜率显著高于Claude 3 Opus。
• 附录还报告了Wildchat和XSTest数据集上拒绝率的改善，以及在高达200k token的Haystack Needle测试中近乎完美的召回率。