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。
星际pteapp下载新民晚报讯(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。
星际pteapp下载在哪下载安装?星际pteapp下载好用吗?
作者: 牡丹江 ⚟
网友评论更多
95扶余o
市场预期非常激进,如果美联储周三不降息50个基点怎么办?⚏⚐
2024-11-24 09:25:53 推荐
187****9967 回复 184****5085:外资机构集体出手!看好A股长期投资机会!⚑来自齐齐哈尔
187****8696 回复 184****2556:装作没听到!曾志伟拒绝回应⚒来自黑河
157****9807:按最下面的历史版本⚓⚔来自大庆
63伊春697
新加坡拟对监管结构进行“大胆改革”,以重振萎靡不振的股市⚕⚖
2024-11-23 06:54:41 推荐
永久VIP:沃伦等美国民主党参议员致信鲍威尔 敦促美联储本周降息75基点⚗来自鹤岗
158****6357:官方通报!三只羊,被立案调查!⚘来自佳木斯
158****5459 回复 666⚙:高盛:如果美联储本周选择降息25个基点 金价短期可能面临小幅回调⚚来自双鸭山
80七台河jv
历史上的“50基点降息”,接下来会发生什么?⚛⚜
2024-11-23 15:45:25 不推荐
鸡西yv:突然跑路!数十位明星受骗⚝
186****5970 回复 159****5826:节后高胜率板块曝光 这两大行业最有戏 机构潜伏这些股⚞