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。
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。
爱聊app净网行动新民晚报讯(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。
网友评论更多
58兴义v
黄西劝网友别去生活大爆炸街打卡🖋🖌
2024-11-24 10:03:19 推荐
187****3632 回复 184****7488:王曼昱蒯曼止步女双16强🖍来自福泉
187****1645 回复 184****7905:有人套现黄金买股票🖤来自盘州
157****8474:按最下面的历史版本🖥🖨来自兴仁
29昆明782
2024-11-25 01:07:56 推荐
永久VIP:苗苗《749局》电影专访🖼来自曲靖
158****9974:伊朗否认事先向美国通报袭击以计划🗂来自玉溪
158****1374 回复 666🗃:人在景区心系股市🗄来自丽江
17昭通gc
爆冷王楚钦的林德是谁🗑🗒
2024-11-26 12:23:12 不推荐
普洱dq:林德赛后庆祝:我赢了世界第一🗓
186****4385 回复 159****9864:以官员:将对伊朗发动重大报复🗜