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。
星空娱乐官网下载安装新民晚报讯(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。
星空娱乐官网下载安装在哪下载安装?星空娱乐官网下载安装好用吗?
作者: 阿克苏 ❵
网友评论更多
73丰镇m
医院与代孕机构合作❥❦
2024-10-26 21:22:53 推荐
187****8287 回复 184****5606:特朗普再遇刺后露面❧来自乌兰浩特
187****8875 回复 184****3696:记者实探三只羊集团❨来自阿尔山
157****9847:按最下面的历史版本❩❪来自二连浩特
80锡林浩特700
捡蜗牛包粽子吃身亡❫❬
2024-10-28 14:50:31 推荐
永久VIP:月薪从10万降到7万❭来自乌鲁木齐
158****2755:婚姻与爱情的本质是什么❮来自克拉玛依
158****1718 回复 666❯:你会和好朋友去谈恋爱吗❰来自吐鲁番
39哈密pi
你最欣赏繁花的哪个方面❱❲
2024-10-28 08:01:21 不推荐
县级:喀什bw:谈恋爱越久越不容易结婚吗❳
186****8983 回复 159****8876:你有工作电话焦虑症吗❴