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。
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。
华体体育发展股份有限公司新民晚报讯(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
88亳州c
糖水里放鹌鹑蛋就害怕了?还可以加腐竹和海带呢!🌄🌅
2024-12-07 22:14:47 推荐
187****7868 回复 184****1256:中国乒乓,不断前行🌆来自池州
187****3098 回复 184****9619:郑钦文,红土球场上最坚韧的那个人🌇来自宣城
157****6781:按最下面的历史版本🌈🌉来自巢湖
36桐城491
被问了100遍的学科短视频来啦!10个神仙博主,让娃爱上学习!🌊🌋
2024-12-08 08:33:17 推荐
永久VIP:探索世界的第一步:给宝宝一个自信的开始🌌来自天长
158****3420:泳坛小鲜肉为啥都光溜溜?集体刮毛,是赛前动员的一部分🌍来自明光
158****3023 回复 666🌎:北京特大暴雨,是因为厄尔尼诺结束了?🌏来自界首
59宁国qx
溺水后打电话报意外险,接待员直接称呼我“死者”🌐🌑
2024-12-07 09:56:23 不推荐
广德os:短短60秒里,奥运再次迎来“开幕”?🌒
186****1347 回复 159****9317:朝鲜外务省发表重大声明🌓