b站旧版本网页新民晚报讯(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。
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。
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。
网友评论更多
94苏州j
横河电机支持自然相关财务信息披...🕷🕸
2024-12-12 0-1:24:43 推荐
187****3152 回复 184****2397:启航中亚 第三十九届中国企业赴...🕹来自常熟
187****7046 回复 184****1603:七度亮相进博,水技术专家格兰富...🖇来自张家港
157****7525:按最下面的历史版本🖊🖋来自太仓
17昆山813
SRM趋势洞察:供应商关系管理将...🖌🖍
2024-12-12 12:13:21 推荐
永久VIP:【应用案例】汽车电控零部件字符...🖤来自江阴
158****4352:这个双十一,买iEi威强电就“购...🖥来自宜兴
158****6208 回复 666🖨:法孚:塑造未来工业的绿色愿景与...🖱来自溧阳
41扬中df
从行业深耕到全球化协同,洞悉美...🖲🖼
2024-12-13 19:55:19 不推荐
句容by:日置亮相2024进博会:以尖端测量...🗂
186****4087 回复 159****9130:重塑能源与建筑、赋能净零未来,...🗃