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。
slisli站新民晚报讯(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。
网友评论更多
48济宁l
你一直坚持热爱的事情是什么?坚持了多久?☦☧
2024-12-07 16:02:07 推荐
187****2051 回复 184****3418:中国制造能否诞生「奢侈品」?☨来自泰安
187****5965 回复 184****8799:独立游戏在中国 插曲:手游版号办理完全攻略☩来自滨州
157****7504:按最下面的历史版本☪☫来自菏泽
75胶州513
如何评价《黑神话:悟空》这款游戏?它到底好不好玩?☬☭
2024-12-07 14:01:35 推荐
永久VIP:如何评价游戏《废土3》?☮来自平度
158****3810:有人可以把《战锤2:全面战争》的背景故事和人物关系讲清楚吗?☯来自莱西
158****8907 回复 666☰:给独立游戏制作人的进阶建议☱来自临清
84乐陵cm
黑神话悟空:斗罢艰险,能否出发?☲☳
2024-12-08 16:37:52 不推荐
禹城hb:方励为拍摄《里斯本丸沉没》「砸锅卖铁」是否值得?这部电影会产生多大影响?☴
186****4788 回复 159****2189:各自精彩——《无敌号》原著与游戏情节对比☵