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。
01cc彩票官方版下载新民晚报讯(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
38开平b
诺基亚为移动网络资产考虑各种选项 据悉引起了三星的兴趣🐹🐺
2024-11-07 0-1:38:42 推荐
187****4420 回复 184****8560:美国加州推进人工智能安全法案 引发科技领袖分歧🐻来自鹤山
187****9273 回复 184****9024:大涨超300点 在岸人民币年内首次升破7.1🐼来自四会
157****4062:按最下面的历史版本🐽🐾来自罗定
41阳春334
被收购六年后,法国女装品牌Carven举步维艰🐿👀
2024-11-07 19:11:03 推荐
永久VIP:周杰伦终审败诉网易👁来自化州
158****5450:天工股份今日上会 八成营收依赖单一客户👄来自信宜
158****3045 回复 666👅:加码医药业务 莫高股份重组自救👑来自高州
99吴川rs
年内超30城出台房贷“商转公”新政👒👓
2024-11-07 06:14:04 不推荐
廉江bp:速冻食品卖不动 三全寄希望餐饮市场👔
186****1863 回复 159****3907:合赚1717亿 五大上市险企半年报回暖👕