大模型在高考英语测试中的优势更是压倒性的。一张150分满分的英语卷子,平均分达到132分,其中客观题几乎都是满分或接近满分,丢分主要在应用文写作和读后续写的作文部分,表达空泛、缺少细节上是弊端。
以数学试卷为例,9款大模型产品中,仅GPT-4o、文心一言4.0和豆包获得60分以上成绩(满分150分),目前的大模型只能正确推理步骤相对简单的问题。
重点考查实验探究能力的化学和物理试卷,各模型平均分更是只有34分和39分(满分为100和110)。化学单项最高分由豆包获得,成绩为49.5分,GPT-4o仅有42分。
大模型处理自然语言方面的能力不容置疑,三款国产大模型产品获得了语文考试前三名,分别是百小应、字节豆包和腾讯元宝,得分依次为128分、125.5分和120.5分。丢分主要在语文写作上。
具体看,在立住“问题”后,豆包随即用反问句自然过渡,引出三个排比段提出解决问题的方法。然后用发展的眼光分析问题,结合现实生活揭示问题产生的根源和危害的部分颇为亮点。
足球分析软件app排行榜河南省教育考试院公布的高考录取分数线,文科本科一批分数线为521。根据测试结果,这意味着,GPT-4o、豆包、文心4.0、百小应等四款AI大模型在测试中的得分冲上了“一本”线。
与文科相比,大模型的理科成绩要差很多,最高分还不到480分,多数大模型的理科总分在400分以下,数学普遍不及格,相比河南理科511分的“一本”线,大模型还需努力。
作为本次评测的语文作文阅卷人,北京市级骨干教师、怀柔区语文学科带头人夏老师曾多次参加全国高考语文阅卷。夏老师认为:“Al写出的文章大多有清晰完整的结构,有逻辑性,语言通顺流畅。但其理性有余,感性不足,缺乏感情色彩,自然就缺乏感染力。”
在匿名阅卷中,豆包获得阅卷老师的好评:文章中显出的对就业结构、伦理方面的担心,展现出豆包已经具有不错的思想深度和思辨能力。
如上提到,大模型理科普遍不行,成绩要差很多,在数学、物理、化学等数理学科上差距极大,包括GPT-4o在内的所有大模型都无法达到及格水平。大模型的理科最好成绩还无法进入人类考生的前30%。
在历史和政治两科中,测试选手中有三至四家能达到80%以上的得分率。历史单科的桂冠归属豆包82.5的平均分。出乎意料的是,地理考试是文综三科中大模型表现最差的,最高分仅仅是 GPT-4o的68分。原因之一可能是地理涉及图片更多,AI识图能力有待提升。
网友评论更多
11河津a
用手一撕就破、戴了不如不戴,央视起底不防毒的防毒面具🕙🕚
2024-12-08 13:44:53 推荐
187****7368 回复 184****5842:冒充官方强行推销,起底“假消防”的八种诈骗套路🕛来自原平
187****8011 回复 184****6522:“80后”乘组太空之旅圆满结束,叶光富累计飞行时长超一年刷新纪录🕜来自侯马
157****3200:按最下面的历史版本🕝🕞来自霍州
58孝义867
神十八飞船返回舱成功着陆,三名航天员到家了🕟🕠
2024-12-08 17:09:30 推荐
永久VIP:持续更新丨成功着陆,身体状态良好!“80后”乘组飞行任务圆满成功🕡来自汾阳
158****9223:李强在上海调研技能人才工作时强调:积极适应经济社会发展需要,大力加强职业教育和技能人才培养🕢来自怀仁
158****1610 回复 666🕣:光明日报:这些新职业,为何频频登上热搜?🕤来自鞍山
96抚顺ff
广西宾阳县房屋倒塌致5人遇难,初查疑因爆炸导致房屋坍塌🕥🕦
2024-12-09 22:50:05 不推荐
本溪mk:上海一中学生在这项数学竞赛中获奖,他付出了哪些努力?🕧
186****8558 回复 159****1251:关于复方阿胶浆药品追溯码重复情况,国家医保局最新回复🕯