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。
风云app下载新民晚报讯(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。
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。
网友评论更多
16舞钢u
8月70城房价数据出炉!各线城市商品住宅销售价格环比下降、同比降幅总体略有扩大🧑🧒
2024-11-23 06:27:04 推荐
187****8249 回复 184****4729:背叛郑钦文的教练失业了,大坂直美宣布与其结束合作🧓来自义马
187****3367 回复 184****1639:特斯拉Semi起火要用多少水扑灭?官方给出惊人数字:19万升!🧔来自灵宝
157****7351:按最下面的历史版本🧕🧖来自项城
54巩义629
延期!关停!台风突破警戒线,直奔江浙沪!杭州风雨最强时段是这个点🧗🧘
2024-11-24 09:53:53 推荐
永久VIP:美国田纳西州两客机险些在跑道相撞🧙来自邓州
158****5990:宏力型钢下跌11.86%,报1.71美元/股🧚来自永城
158****2196 回复 666🧜:小i机器人下跌5.93%,报3.904美元/股🧝来自汝州
94济源vv
宁德时代发布“长寿命”版客车电池 抢占新能源客车迭代升级新机遇😀😁
2024-11-25 20:21:31 不推荐
十堰le:高盛:美联储降息前,看多韩国股市,看空巴西股市😂
186****8610 回复 159****8101:影评丨《食神》:喜剧会老但不会过时😃