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。
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。
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。
大通国际app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
87霍林郭勒x
童书湃|提升文字底蕴,这些儿童文学作品可以给孩子看🐱🐲
2024-11-17 08:35:02 推荐
187****9051 回复 184****1399:解放日报第81届文化讲坛即将举行,上海“74级”代表齐聚一堂🐳来自满洲里
187****2462 回复 184****2294:朱子是谁?🐴来自牙克石
157****5705:按最下面的历史版本🐵🐶来自扎兰屯
11额尔古纳969
杭州男子疑因“护士妻子出轨医生”自杀,其父索赔150余万🐷🐸
2024-11-16 21:29:58 推荐
永久VIP:“我们还活着”!避免滑向深渊,国足留住争四希望🐹来自根河
158****4453:四川自贡:买房最高获11万元补贴,已挂牌出售、出租住房不计入家庭住房套数🐺来自丰镇
158****7199 回复 666🐻:英国发现1.5亿年前化石 来自史前海洋霸主上龙🐼来自乌兰浩特
42阿尔山kx
达芬奇真迹亮相上海 对话唐伯虎作品🐽🐾
2024-11-15 13:46:52 不推荐
二连浩特tp:自称能搞定全上海名校 24位家长被骗上千万🐿
186****7897 回复 159****8275:日本福岛核电站又出事 一工人遭放射性物质污染👀