黄金岛官网首页新民晚报讯(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
44宿迁r
上海今年高温日位居历史第六,台风一脚踢断“副高”,要降温了?✶✷
2024-11-06 12:40:06 推荐
187****6481 回复 184****4877:4位“80后”干部拟任厅级新职,他生于1987年✸来自淮安
187****9337 回复 184****9623:外媒:波兰坦克参与乌军对俄库尔斯克州袭击✹来自盐城
157****3212:按最下面的历史版本✺✻来自扬州
75泰州204
中美关系风险积聚的时刻,沙利文访华见王毅要谈什么?✼✽
2024-11-06 19:52:41 推荐
永久VIP:孙杨时隔4年完成重回赛场首秀,能否“王者归来”?✾来自南通
158****5949:女主播一边跳舞一边……大连网友怒了✿来自镇江
158****9673 回复 666❀:太意外!“天作之合”的明星夫妻还是散了❁来自常州
22无锡vx
中国记协“记者之家”大学堂延安教育实践项目启动❂❃
2024-11-07 04:25:24 不推荐
苏州vj:中国记协举办新闻茶座❄
186****9591 回复 159****9310:一图读懂2023年度媒体社会责任报告新亮点❅