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。
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。
竞技宝app入口新民晚报讯(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。
网友评论更多
95开远w
信任和信心:2024金融街论坛年会今日开幕♪♫
2024-11-17 01:42:45 推荐
187****6439 回复 184****4512:4万亿元!房地产重磅利好!♬来自蒙自
187****9531 回复 184****2870:日赚一亿,创始人竟然说只是“微利”♭来自弥勒
157****9545:按最下面的历史版本♮♯来自景洪
84文山245
13元一分钟!我花799体验当「拼单名媛」,假迪奥上挂着假的玲娜贝儿♰♱
2024-11-16 00:45:02 推荐
永久VIP:京东官宣:京东超市采销直播间与李佳琦同步直播 现货开卖 与李佳琦同价再打九折♲来自香格里拉
158****7000:2024诺贝尔经济学奖说的经济的制度是什么?这跟我有什么关系?♳来自腾冲
158****6330 回复 666♴:推动外贸新业态发展,渤海银行落地天津市首笔跨境电商关税电子保函♵来自水富
44澄江ob
京东11.11发布“华流即顶流”等消费关键词,京东汉服成交额同比增长超100%♶♷
2024-11-16 22:28:56 不推荐
泸水oe:凡人炒股记:持仓千万70后冷静旁观,“小白”跑步入市为锻炼心态♸
186****7187 回复 159****6004:围绕大运会举办,中央网信办等集中整治六类网络环境突出问题♹