博威体育

 

博威体育

🔇博威体育🔈     

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%。

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。

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。

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。

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。

博威体育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。

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。

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。

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。

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。

🔉(撰稿:泰安)

本文来自网友发表,不代表本网站观点和立场,如存在侵权问题,请与本网站联系。未经本平台授权,严禁转载!
展开
支持楼主

17人支持

阅读原文阅读 4598回复 6
举报
    全部评论
    • 默认
    • 最新
    • 楼主
    • 木恒🔊LV8六年级
      2楼
      男子内急借用镇政府厕所被保安阻拦🔋
      12-05   来自滨州
      3回复
    • 🔌长顺元LV9大学四年级
      3楼
      火箭军公布失信公告 西安交大等在列🔍
      12-05   来自菏泽
      7回复
    • 高聚远🔎LV4幼儿园
      4楼
      动车组与“超级月亮”同框🔏
      12-06   来自胶州
      6回复
    • 营润亚LV7大学三年级
      5楼
      印度iPhone制造良率偏低?鸿海回应🔐
      12-06   来自平度
      1回复
    • 饮乐🔑🔒LV6大学三年级
      6楼
      游客为救女儿被卷入巨浪 大叔救人🔓
      12-06   来自莱西
      7回复
    • 福湖LV7大学四年级
      7楼
      “警察叔叔我姐姐姑妈弟弟全丢了”🔔
      12-06   来自临清
      回复
    你的热评
    游客
    发表评论
    最热圈子
    • #男子通马桶眼睛被灼伤几乎失明#

      洁万汇

      9
    • #日薪2万美元去俄罗斯当雇佣兵?假#

      皇浩

      1
    • #住房也有养老金:22城将试点#

      童趣乐园

      6
    • #外卖小哥发现门口挂着前日外卖报警

      果香新

      9
    热点推荐

    安装应用

    随时随地关注博威体育

    Sitemap