暴风体育直播新民晚报讯(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。
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。
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。
网友评论更多
26安达q
张雨霏最喜欢的运动员是郑钦文⚉⚊
2024-10-19 21:09:29 推荐
187****3350 回复 184****7469:宁艺卓叫声好像CardiB⚋来自肇东
187****4154 回复 184****8096:鲁豫 论比丑还是比不过这些男演员⚌来自海伦
157****2611:按最下面的历史版本⚍⚎来自穆棱
37东宁333
盛李豪也用张雨霏表情包⚏⚐
2024-10-20 04:09:34 推荐
永久VIP:盛李豪训练一天要站5个小时⚑来自抚远
158****6233:还以为是早期的Angelababy⚒来自漠河
158****9809 回复 666⚓:因6元巧克力开除园长谁给的权力⚔来自徐州
75连云港zi
青岛路虎女“持械”暴打退伍军人,真实身份背景、同行黑衣男热搜⚕⚖
2024-10-18 19:24:46 不推荐
宿迁re:管你老百姓死活,照样将剥削进行到底⚗
186****7364 回复 159****9960:27张活久未见的图片,见所未见,每一张都让你大开眼界!⚘