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。
千赢体育手机版新民晚报讯(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。
网友评论更多
42孟州c
小S全家为其提前庆生 和老公依偎在一起太甜了🚇🚈
2024-11-15 05:28:06 推荐
187****9681 回复 184****9411:爱屋及乌?关晓彤穿短裙踢足球 向男友鹿晗靠齐🚉来自沁阳
187****6582 回复 184****3998:崔永元和范冰冰给中国人上了堂税法普及课,就像当年刘晓庆🚊来自卫辉
157****3090:按最下面的历史版本🚋🚌来自辉县
22长垣300
雷佳音询问“阴阳合同” 经纪人一句话回怼太搞笑🚍🚎
2024-11-15 12:26:43 推荐
永久VIP:崔永元吸猫甘做“铲屎官” 如此回应“炮轰范冰冰”…🚏来自林州
158****7236:跨界?王菲客串模特走秀气场强大🚐来自禹州
158****5276 回复 666🚑:陆毅女儿的长腿太惊人,在上百人中一眼就能认出来🚒来自长葛
81舞钢dh
王子文六一带小孩海边游玩 去年曾被曝隐婚生子🚓🚔
2024-11-14 03:07:46 不推荐
义马xv:范冰冰工作室回应“阴阳合同”事件:从未签署🚕
186****9728 回复 159****9250:《手机》到底有没影射崔永元?为何怼了这么多艺人🚖