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。
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。
恒行娱乐线路测速新民晚报讯(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。
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
14桂林p
银行股上涨 摩根士丹利股价触及历史新高♴♵
2024-11-15 04:37:20 推荐
187****2120 回复 184****3786:比特币概念股走高 Coinbase涨超5%♶来自柳州
187****1236 回复 184****3271:被曝光四项安全问题,美国芯片巨头股价应声下跌!中国网络空间安全协会:建议启动安全审查♷来自梧州
157****9921:按最下面的历史版本♸♹来自贵港
61玉林607
市场形势严峻 Stellantis暂停意大利部分工厂生产♺♻
2024-11-17 07:19:51 推荐
永久VIP:俄方称乌总统的“胜利计划”将推动北约与俄发生直接冲突♼来自钦州
158****2295:两大利空突袭,亚太股市杀跌!♽来自北海
158****9558 回复 666♾:盘前:道指期货涨0.04% 英特尔跳水跌超4%♿来自防城港
34崇左bv
朝鲜约140万名青年同盟干部和青年学生报名参军或复队⚀⚁
2024-11-17 05:30:13 不推荐
百色ke:科技牛股暴涨166%,实控人一年前减持错过大涨⚂
186****2224 回复 159****1207:意大利增税至42%!比特币却疯涨破68000美元,机构豪掷250亿美金力挺!⚃