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。
UBSAG地址新民晚报讯(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。
网友评论更多
10绍兴h
事关民营经济!公开征求意见→🌗🌘
2024-10-24 08:27:53 推荐
187****4813 回复 184****2895:易方达深证100ETF联接A净值下跌8.01%🌙来自衢州
187****7462 回复 184****7216:香港中福期货:黄金对冲的有效应用🌚来自金华
157****5976:按最下面的历史版本🌛🌜来自台州
44温州554
博时基金关于人行“证券、基金、保险公司互换便利”的观点🌝🌞
2024-10-24 02:42:21 推荐
永久VIP:地缘溢价回落 原油后市怎么走?🌟来自丽水
158****2009:17家撤场 保险中介站在十字路口🌠来自建德
158****4585 回复 666🌡:10月10日市场日评: 三大指数集体回调,创业板大跌10%🌤来自慈溪
75余姚pd
锚定红利低波资产 富国中证红利低波动ETF发起式联接今起正式发行🌥🌦
2024-10-25 05:59:49 不推荐
平湖xs:辟谣!“数字人民币平台发放数字资产红利”系谣言🌧
186****5434 回复 159****4034:格林稳健价值混合C净值下跌8.46%🌨