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。
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。
爱游戏体育APP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。
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
82信阳x
“降利率”呼声渐高!地产板块再度升温,期待“金九”旺季✼✽
2024-12-02 04:41:13 推荐
187****8982 回复 184****8562:业绩直击|心玮医疗-B(6609.HK):盈利拐点临近,海外布局成效渐显✾来自荥阳
187****4291 回复 184****1715:以数字化创新打造冷链智慧场景,澳柯玛积极培育新质生产力✿来自新郑
157****3368:按最下面的历史版本❀❁来自登封
16新密445
是盟友也不行!白宫或将阻止“联姻”,美国钢铁股价崩了❂❃
2024-12-04 21:09:21 推荐
永久VIP:从财报透视管理挑战,分析RPA财务机器人管理平台需求❄来自偃师
158****3012:Q2净利润同比大增137.5%,灿谷(NYSE:CANG)演绎穿越周期的长期主义样本❅来自孟州
158****3378 回复 666❆:时机已到?美联储博斯蒂克:已经为降息做好准备❇来自沁阳
52卫辉bo
为肌肤注入青春活力,慷硕肌泌系列璀璨发布!❈❉
2024-12-04 21:11:28 不推荐
辉县gt:便捷出行新选择 一嗨租车携手招行推优惠支付❊
186****6669 回复 159****9499:音频 | 格隆汇9.5盘前要点—港A美股你需要关注的大事都在这❋