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。
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。
bat365官网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。
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。
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。
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。
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%。
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。”
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。
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。
网友评论更多
69任丘o
11 月 26 日华为 Mate 70 系列手机正式发布,起售价 5499 元,有哪些亮点和槽点?🥝🥞
2024-12-09 20:01:26 推荐
187****4305 回复 184****1666:如何评价《英雄联盟》里的琴瑟仙女·娑娜?🥟来自黄骅
187****1520 回复 184****7876:为什么河南的豫北、豫中、豫西城市常驻人口数量到现在都是增加的,而豫东和豫南的常驻人口数量却流失严重?🥠来自河间
157****6015:按最下面的历史版本🥡🥢来自霸州
37三河243
华为 Mate X6 的鸿蒙大屏 AI 带来了哪些新升级?升级功能对折叠屏的使用体验有哪些提升?🥣🥤
2024-12-09 19:46:32 推荐
永久VIP:不少数学博士都在做人工智能,但人工智能主流方向真的需要大量前沿数学么?🥥来自深州
158****5980:如果有重新选择一次的机会,你会选择哪个行业谋生?🥦来自太原
158****8804 回复 666🥧:拳击可以只锻炼挨打和力气吗?🥨来自大同
89阳泉de
中国坚定支持巴勒斯坦成为联合国正式会员国🥩🥪
2024-12-10 01:22:45 不推荐
长治lw:媒体评羊毛月何不食肉糜🥫
186****4999 回复 159****6461:山河如愿英雄回家🦀