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。
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。
欧贝平台登录入口新民晚报讯(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乳山o
高瓴投了他们,今天IPO了🍭🍮
2024-11-23 22:35:00 推荐
187****2773 回复 184****6781:这届河南老乡没有以前能喝酒了🍯来自滕州
187****4475 回复 184****1257:英伟达新对手悄然崛起🍰来自曲阜
157****7621:按最下面的历史版本🍱🍲来自邹城
65新泰695
全力做好深中通道开通服务保障工作🍳🍴
2024-11-22 01:29:06 推荐
永久VIP:今日看点|国新办将举行国务院政策例行吹风会,介绍《促进创业投资高质量发展的若干政策措施》有关情况🍵来自肥城
158****1625:稀碎!就不让你过!一天内6家IPO终止!🍶来自邹平
158****9720 回复 666🍷:上半年业绩大幅预增逾110%,鼎龙股份早盘大涨超6%🍸来自郑州
63开封tl
经济日报刊文:铲除网络黑嘴🍹🍺
2024-11-23 20:05:07 不推荐
洛阳kq:卧龙电气驱动集团股份有限公司关于上海证券交易所对公司2023年年度报告信息披露监管工作函的回复公告🍻
186****5275 回复 159****4782:五粮液曾从钦:白酒产业正经历深度调整期,希望厂商团队共同应对考验,抓住市场机遇实现可持续发展🍼