本文介绍了多个针对大型语言模型（LLMs）的评估基准，如M3KE、CMMLU和E-EVAL，涵盖自然科学、社会科学和K-12教育等领域。研究发现，中文优先的模型在某些学科表现优于英文模型，但在复杂科目如数学上仍需改进。同时，KMMLU和MedBench等基准揭示了韩语和医学领域LLMs的能力与局限，强调了进一步改进的必要性。

本文介绍了SemEval 2022 Task 11：MultiCoNER Multilingual Complex Named Entity Recognition中的成果，包括统一框架、数据增强方法和中文模型。系统在子任务11、12和9中获得了77.66、84.35和74.00的宏F1得分。

阿里云机器学习PAI团队开源了12个PAI-Diffusion中文模型，推出了两个开源工具，Chinese Diffusion WebUI和Diffuser-API，提供便捷的使用体验。

阿里云机器学习PAI团队升级了PAI-Diffusion中文模型，提高了图像生成质量、风格多样化、精细化模型微调功能和简单易用的场景化定制方案。该模型已开源并接入多个开源模型分享社区，支持多种轻量化微调算法和可控的图像编辑功能，可继续预训练产出针对不同业务场景的Diffusion模型。未来，该团队将继续优化模型，提高生成图像的质量和多样性。