今年5月,豆包大模型在火山引擎原动力大会上正式发布。相关数据显示,在MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集上,Doubao-pro-4k的总分为76.8分,优于同期测试的其他国产模型。在数学能力、语言理解能力,以及综合评测集CMMLU和CEval的评测上,豆包也有不错的表现,得分排在前三。
据悉,LLMEval是由复旦大学NLP实验室推出的大模型评测基准,专注于评估专业领域的知识能力。评测团队表示,全新出炉的高考试题具备高度的独创性和保密性,是用来评测大模型的“绝好评测集合”。因此,团队在高考后第一时间对13家大模型进行了评测。
评测选取2024高考数学新I卷和新II卷的14道客观题,参评“选手”涵盖GPT-4o、文心一言、阿里千问、字节豆包等主流大模型。GPT-4o是OpenAI于今年5月新推出的大语言模型,数学能力是其发布会现场着重展现的能力模块。但结果显示,部分国产大模型在本次数学评测中的成绩优于GPT-4o。在新II卷客观题测试中,字节豆包成绩排在首位,其次是阿里千问和GPT-4o。
6617彩票导航新民晚报讯(记者金志刚)近日,复旦大学自然语言处理(NLP)实验室LLMEVAL团队公布了2024年高考数学大模型评测结果。数据显示,字节豆包在2024高考数学新II卷客观题正确率达到74.66%,在13家大模型中排名首位,阿里千问和GPT-4o分列二三位。而在高考数学新I卷评测排名中,字节豆包也排在前列。
网友评论更多
51凤城r
专家称美国超发9.2万亿债务像猪肉注水⚦⚧
2024-11-17 22:07:43 推荐
187****1270 回复 184****5517:淘宝新增微信支付 ,专家:对支付宝无实质性影响⚨来自凌海
187****2343 回复 184****2665:习近平在中非合作论坛北京峰会开幕式上的主旨讲话(全文)⚩来自北镇
157****5256:按最下面的历史版本⚪⚫来自盖州
99大石桥271
世界精神卫生日⚬⚭
2024-11-17 16:37:28 推荐
永久VIP:美股三大指数集体收涨⚮来自灯塔
158****9274:为什么有人宁愿走国道也不愿走高速⚯来自调兵山
158****8990 回复 666⚰:东北雨姐带货厂家承认产品有木薯粉⚱来自开原
55北票ch
上交所延长接受指定交易申报指令时间⚲⚳
2024-11-15 07:33:21 不推荐
凌源yu:踏空者焦虑情绪升温⚴
186****1908 回复 159****5643:詹姆斯布朗尼同场并肩作战⚵