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。
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。
娱乐圈感情不忠女明星新民晚报讯(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。
娱乐圈感情不忠女明星在哪下载安装?娱乐圈感情不忠女明星好用吗?
作者: 泰安 ✱
网友评论更多
86德州c
中国记协举办新闻茶座 聚焦新质生产力与中国经济✡✢
2024-12-10 10:27:45 推荐
187****3746 回复 184****5475:中国记协举办“新时代·好记者”首场巡讲✣来自东营
187****7195 回复 184****1870:第十一届中国网络视听大会将于3月28日在蓉开幕✤来自淄博
157****6165:按最下面的历史版本✥✦来自潍坊
99烟台211
人民网2023年度新闻记者证核验人员名单公示✧✨
2024-12-12 0-1:32:14 推荐
永久VIP:人民日报社2023年度新闻记者证核验人员名单公示✩来自威海
158****6538:中国记协举办2024年中外新闻界新春联谊会✪来自日照
158****7975 回复 666✫:数字技术赋能全媒体传播 首届中关村数字传播论坛成功举办✬来自临沂
69枣庄hj
人民网2023年申请办理记者证人员公示✭✮
2024-12-12 03:41:05 不推荐
济宁om:献给新年也献给你,记协向新闻媒体征集新年寄语✯
186****4034 回复 159****2603:《智能媒体发展报告(2023)》发布✰