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。
e江南网页版登录网页版新民晚报讯(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。
e江南网页版登录网页版在哪下载安装?e江南网页版登录网页版好用吗?
作者: 二连浩特 ⚦
网友评论更多
72乌兰察布h
莱迪思半导体:创新技术与市场策略融合⚖⚗
2024-11-21 17:30:25 推荐
187****9006 回复 184****5805:福建谷器与洛江区工信局、三大电信运营商达...⚘来自霍林郭勒
187****1647 回复 184****8684:2024智能工控与存储产业高峰论坛圆满落幕!⚙来自满洲里
157****3467:按最下面的历史版本⚚⚛来自牙克石
57扎兰屯962
踏浪新能,智赋出海 | 锂电下半场如何破局...⚜⚝
2024-11-21 22:50:42 推荐
永久VIP:全场景云终端优选|Giada杰和科技产品系列指...⚞来自额尔古纳
158****3912:安森美选址捷克共和国打造端到端碳化硅生产...⚟来自根河
158****4783 回复 666⚠:派拓网络通过提供更全面的SASE功能树立安全...⚡来自丰镇
52乌兰浩特by
华北工控BIS-6670K模块化整机,支持水质自...⚢⚣
2024-11-21 09:53:31 不推荐
阿尔山ze:华北工控ATX-6152,助力实现电力系统的智能...⚤
186****8776 回复 159****6877:华北工控:推进嵌入式AI应用落地,为电站数...⚥