澳门开奖记录查找历史开奖记录新民晚报讯(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。
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。
网友评论更多
67和田w
看起来高难度的奥运项目是如何成为大众日常运动项目的?🧗🧘
2024-10-29 08:45:36 推荐
187****3152 回复 184****1627:樊振东 0-2 落后选择更换球衣,随后找回状态完成大逆转,更换球衣从战术和心理层面有多大影响?🧙来自阿图什
187****2068 回复 184****5899:游戏《上古卷轴5》称得上为「神作」吗?🧚来自阿拉山口
157****3221:按最下面的历史版本🧜🧝来自博乐
59昌吉721
「回归性原理:交界地就是地球村!」——论《艾尔登法环》中的现实原型(新大陆篇)😀😁
2024-10-29 03:12:04 推荐
永久VIP:马拉松职业运动员一场比赛平均心率这么高是怎么顶下全程的?😂来自阜康
158****4128:看樊振东夺冠比赛,在为他喊加油的同时,我有一个疑问,是外国运动员不出汗,还是中国队的衣服不吸汗?😃来自库尔勒
158****2690 回复 666😄:有网友巴黎奥运会赛前发文「中国游泳主要问题是有氧能力被废了」从运动训练角度看,他说的有道理吗?😅来自伊宁
45奎屯nu
传统服饰中有哪些特别的设计,在如今看来依旧非常潮?😆😇
2024-10-29 0-1:31:12 不推荐
塔城tm:2024 年巴黎奥运会各国代表团都穿什么牌子的入场服?你觉得哪个代表团的服装最好看?😈
186****6263 回复 159****9731:如果第一届奥运会的选手穿越到今天,会对会场上哪些科技感到震撼?😉