➩半岛官方app➪
半岛官方app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。
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。
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。
➫(撰稿:咸阳)考考你它在哪:(很难!)狗狗在哪里嬉戏?
10-22康振通➷
为什么半固态电池、固态电池、钠离子电池被业内认为是新一代动力电池?有何优势?
10-22太赛扬➸
名画pk决赛:当名画《清明上河图》PK《千里江山图》,你觉得哪幅画在你心中更胜一筹?
10-23志友➹
博物馆如何处理争议性展品或历史事件?
10-24渴望之泉➺
【网络迷踪】图中有高速铁路,或其他动车组运行线路时的解题思路,以及相关内容的简要科普
10-23梦讯辰➻
ADHD需要哪些因素才能取得更高成就呢?
10-22诺嘉迪➼
A人好书-社群书单分享-1
10-22风尚先锋➽
若由你来提名一幅能参加「名画PK大赛」的美术画作,你会挑哪张呢?
10-23环诗u
有哪些著名的由女画家绘制的绘画作品?
10-22活力x
21世纪之后还诞生过哪些全球公认的名画作品?
10-23月卓➾