来球体育新民晚报讯(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。
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。
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。
网友评论更多
58丰城j
60亿取消!券商一哥,成了第一个“受害者”...🥟🥠
2024-10-24 00:15:29 推荐
187****2522 回复 184****1072:A股“走牛”迎来关键时刻 知名基金经理激辩后市🥡来自樟树
187****1576 回复 184****2635:SAP市值激增逾240亿欧元,超过阿斯麦成欧洲最大科技公司🥢来自高安
157****6226:按最下面的历史版本🥣🥤来自井冈山
46贵溪425
门店再关145家!金价创新高,“周大福”们却卖不动了🥥🥦
2024-10-23 10:37:13 推荐
永久VIP:欧洲央行Rehn称经济增长疲软可能加大通胀下行压力🥧来自聊城
158****5973:半导体板块探底回升 光刻机方向领涨🥨来自德州
158****9619 回复 666🥩:欧洲央行管委:如果数据显示有必要 会考虑加速降息🥪来自东营
25淄博fe
外媒:以军在黎真主党新闻发布会期间轰炸贝鲁特,真主党发言人匆忙结束演讲离场🥫🦀
2024-10-22 01:38:42 不推荐
潍坊sj:贝莱德利用两只新ETF投身人工智能热潮🦁
186****4462 回复 159****8330:美股空头100%亏损!花旗警告极度看涨持仓或预示抛售潮将到来🦂