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。
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。
云鼎至尊官网下载新民晚报讯(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
60登封x
北大博士,到民办高校当讲师⛃⛄
2024-11-06 00:57:52 推荐
187****4732 回复 184****1608:“奥德彪”中国奇幻漂流:流量改变一名非洲网红30天⛅来自新密
187****2537 回复 184****9657:老之将至:老年不是病,老起来要生命⛆来自偃师
157****6942:按最下面的历史版本⛇⛈来自孟州
35沁阳210
“诱捐器官”风波何来:武汉同济医院医患纠纷背后⛉⛊
2024-11-06 00:16:19 推荐
永久VIP:南昌民融登:一家民间融资登记机构如何变成“吞金兽”?⛋来自卫辉
158****9729:教育是一种文化对人的定义:周轶君的异国教育观察⛌来自辉县
158****4146 回复 666⛍:钉子户的“天空之城”⛎来自长垣
37林州gn
从“网赌少年”到“扛楼战神阿兴”⛏⛐
2024-11-04 04:39:01 不推荐
禹州pt:山东东平一中学门口发生交通事故,已致11死24伤⛑
186****8323 回复 159****6137:女医生被奸杀,引爆了全印度的怒火⛒