app声中国app声官方网站新民晚报讯(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
56如皋g
争议!韩球员不道德持续进攻 拉米出头染红(gif)➨➩
2024-12-08 18:13:01 推荐
187****2014 回复 184****7927:亚冠-特谢拉处子球拉米争议染红 苏宁3-2力克全北➪来自启东
187****2476 回复 184****7920:苏宁复制恒大亚冠神迹 中超克星全韩班惨遭打脸➫来自海安
157****5743:按最下面的历史版本➬➭来自高邮
31仪征501
真的脱光了!北京奥森光猪跑 比基尼美女抢镜➮➯
2024-12-10 00:31:47 推荐
永久VIP:张怡宁第三次担任央视解说 笑容变多身材未变➰来自兴化
158****7370:天价外援爆发!5000万欧标王处子球 拉米打爆全北➱来自泰兴
158****8230 回复 666➲:恒大战悉尼获利好:两主力受伤 对手一个多月没赢球➳来自靖江
31东台nc
韩媒被打怕了?称水原打上港很艰苦 连全北都输了➴➵
2024-12-10 15:24:19 不推荐
邳州dz:NBA修改库里KO雷霆绝杀球距离 给跪了!竟超过11米➶
186****5413 回复 159****1269:亚冠-塔神建功赵明剑神仙球 鲁能3-0武里南2连胜➷