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。
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。
电子游艺导航新民晚报讯(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。
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
93宣城v
杭州年高温日数破纪录➲➳
2024-10-26 17:44:07 推荐
187****3786 回复 184****5486:碎花裙女生回应网友关心➴来自巢湖
187****5331 回复 184****8065:盲人误闯入车流中辅警飞奔救人➵来自桐城
157****1211:按最下面的历史版本➶➷来自天长
49明光242
陌生人接二连三跳河救人➸➹
2024-10-26 19:12:14 推荐
永久VIP:重庆面临一个高温中秋➺来自界首
158****4741:推动黄河流域生态保护➻来自宁国
158****3409 回复 666➼:休假消防员果断跳水救回两男孩➽来自广德
66潜山ge
官方回应三门峡多名学生用餐后送医➾➿
2024-10-27 18:35:44 不推荐
无为gh:开学了派出所又长满小孩🙁
186****1017 回复 159****9656:成本不到40元的酒摇身一变成专供酒🙂