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。
利来娱乐电游官网新民晚报讯(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。
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
89任丘s
如何评价《黑神话:悟空》第五回「日落红尘」?在难度、剧情、地图和战斗设计方面有哪些值得聊聊?🚂🚃
2024-11-10 06:26:51 推荐
187****1733 回复 184****8966:《黑神话:悟空》都有哪些隐藏道具、Boss、剧情、地图?🚄来自黄骅
187****5959 回复 184****1096:哪些国货小家电精准地满足了你的「特定」小需求?🚅来自河间
157****6101:按最下面的历史版本🚆🚇来自霸州
30三河366
AI在家电领域有哪些应用,哪些是有实用价值的?中国家电品牌应该如何融入AI时代?🚈🚉
2024-11-09 16:15:18 推荐
永久VIP:抑郁症少年说「当面对老师的批评,没有人站在我的身后,非常痛苦」,与孩子「站在一起」这件事有多重要?🚊来自深州
158****5348:目前来看,智能家居的「理想态」是什么?中国品牌在智能家居上有了哪些突破和可能性?🚋来自太原
158****7591 回复 666🚌:全合成的意义是什么?🚍来自大同
63阳泉sa
《黑神话:悟空》中的「观音禅院」有原型吗?它是哪个朝代的建筑风格?🚎🚏
2024-11-08 05:19:49 不推荐
长治jq:现在的食品科技相较于古代如此发达,那腐乳和方便面调料哪个更鲜?🚐
186****3095 回复 159****1554:《黑神话:悟空》的地图设计是否属于给美术设计让路的太严重了?🚑