在匿名阅卷中,豆包获得阅卷老师的好评:文章中显出的对就业结构、伦理方面的担心,展现出豆包已经具有不错的思想深度和思辨能力。
大模型处理自然语言方面的能力不容置疑,三款国产大模型产品获得了语文考试前三名,分别是百小应、字节豆包和腾讯元宝,得分依次为128分、125.5分和120.5分。丢分主要在语文写作上。
与文科相比,大模型的理科成绩要差很多,最高分还不到480分,多数大模型的理科总分在400分以下,数学普遍不及格,相比河南理科511分的“一本”线,大模型还需努力。
博客彩票官网下载河南省教育考试院公布的高考录取分数线,文科本科一批分数线为521。根据测试结果,这意味着,GPT-4o、豆包、文心4.0、百小应等四款AI大模型在测试中的得分冲上了“一本”线。
具体看,在立住“问题”后,豆包随即用反问句自然过渡,引出三个排比段提出解决问题的方法。然后用发展的眼光分析问题,结合现实生活揭示问题产生的根源和危害的部分颇为亮点。
作为本次评测的语文作文阅卷人,北京市级骨干教师、怀柔区语文学科带头人夏老师曾多次参加全国高考语文阅卷。夏老师认为:“Al写出的文章大多有清晰完整的结构,有逻辑性,语言通顺流畅。但其理性有余,感性不足,缺乏感情色彩,自然就缺乏感染力。”
在历史和政治两科中,测试选手中有三至四家能达到80%以上的得分率。历史单科的桂冠归属豆包82.5的平均分。出乎意料的是,地理考试是文综三科中大模型表现最差的,最高分仅仅是 GPT-4o的68分。原因之一可能是地理涉及图片更多,AI识图能力有待提升。
重点考查实验探究能力的化学和物理试卷,各模型平均分更是只有34分和39分(满分为100和110)。化学单项最高分由豆包获得,成绩为49.5分,GPT-4o仅有42分。
以数学试卷为例,9款大模型产品中,仅GPT-4o、文心一言4.0和豆包获得60分以上成绩(满分150分),目前的大模型只能正确推理步骤相对简单的问题。
大模型在高考英语测试中的优势更是压倒性的。一张150分满分的英语卷子,平均分达到132分,其中客观题几乎都是满分或接近满分,丢分主要在应用文写作和读后续写的作文部分,表达空泛、缺少细节上是弊端。
如上提到,大模型理科普遍不行,成绩要差很多,在数学、物理、化学等数理学科上差距极大,包括GPT-4o在内的所有大模型都无法达到及格水平。大模型的理科最好成绩还无法进入人类考生的前30%。
网友评论更多
69招远a
本届奥运会上有没有人完成,足以吊打一个时代的成就?🔍🔎
2024-10-23 17:06:14 推荐
187****4010 回复 184****2241:幼儿园放假,想带孩子练习跳绳,但总是学不会,有什么简单易懂的指导吗?🔏来自荣成
187****2483 回复 184****7622:运动员在备战奥运赛事的日常训练中,有哪些意想不到的新科技加持呢?🔐来自乳山
157****8250:按最下面的历史版本🔑🔒来自滕州
68曲阜827
奥运乒乓球决赛,为什么莫雷加德的衣服干爽而樊振东却大汗满身?🔓🔔
2024-10-23 05:00:00 推荐
永久VIP:看起来高难度的奥运项目是如何成为大众日常运动项目的?🔕来自邹城
158****8224:樊振东 0-2 落后选择更换球衣,随后找回状态完成大逆转,更换球衣从战术和心理层面有多大影响?🔖来自新泰
158****8628 回复 666🔗:游戏《上古卷轴5》称得上为「神作」吗?🔘来自肥城
63邹平xx
习近平在中非合作论坛北京峰会开幕式上的主旨讲话(全文)🔙🔚
2024-10-23 02:47:24 不推荐
郑州lb:相知无远近,万里尚为邻——2024年中非合作论坛北京峰会欢迎宴会侧记🔛
186****8045 回复 159****4625:慧翰股份即将登陆创业板,陈国鹰“国脉系”扩容🔜