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。
亚星官网会员登录入口新民晚报讯(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。
亚星官网会员登录入口在哪下载安装?亚星官网会员登录入口好用吗?
作者: 平泉 ➬
网友评论更多
33新乐b
拥有一个学霸男友,是什么体验?➜➝
2024-11-21 00:46:01 推荐
187****9401 回复 184****9212:这些隐藏的行业黑话,把多少年轻人忽悠瘸了?➞来自遵化
187****8091 回复 184****8524:3万块的大尺度课程,内容不堪入目…➟来自迁安
157****3870:按最下面的历史版本➠➡来自武安
69南宫589
重庆出租车快还是战斗机快?➢➣
2024-11-22 14:30:48 推荐
永久VIP:被「爆菊」?被围观「拉屎」?吴签的「看守所生活」到底有多苦?➤来自沙河
158****3026:情侣接吻时,第几秒伸舌头比较好?➥来自涿州
158****3630 回复 666➦:你知道的关于近视的那些知识,可能全错了!!!➧来自定州
10安国jr
伊朗对以发动大规模导弹袭击,“90%击中目标”➨➩
2024-11-23 09:41:38 不推荐
高碑店lt:他在掩体中紧急表态:伊朗,败了➪
186****3272 回复 159****4162:他用希伯来语警告:对以色列的打击将“更具毁灭性”➫