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。
h365官方游戏平台入口新民晚报讯(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。
网友评论更多
99通辽n
为何月壤不借美国🥨🥩
2024-11-25 18:32:43 推荐
187****8480 回复 184****5247:揭开帮信罪真面目🥪来自鄂尔多斯
187****7404 回复 184****9761:三只羊全额缴纳罚款🥫来自呼伦贝尔
157****8419:按最下面的历史版本🦀🦁来自巴彦淖尔
47乌兰察布820
婚姻与爱情的本质是什么🦂🦃
2024-11-25 05:38:10 推荐
永久VIP:你会和好朋友去谈恋爱吗🦄来自霍林郭勒
158****3309:你最欣赏繁花的哪个方面🦅来自满洲里
158****5001 回复 666🦆:谈恋爱越久越不容易结婚吗🦇来自牙克石
22扎兰屯fn
你有工作电话焦虑症吗🦈🦉
2024-11-25 00:59:35 不推荐
额尔古纳kt:情侣之间吵架多了会不会影响感情🦊
186****4121 回复 159****7253:人为什么会抑郁🦋