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。
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。
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。
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。
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%。
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。
大资本娱乐捕鱼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。
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。
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。
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。
网友评论更多
87怀仁r
《北游笑传》第八回🌚🌛
2024-10-20 00:51:39 推荐
187****8838 回复 184****4409:多肽定制合成:DAMGO(78123-71-4)🌜来自鞍山
187****8628 回复 184****1197:深度思考很重要🌝来自抚顺
157****5882:按最下面的历史版本🌞🌟来自本溪
82丹东925
简书七年,我出版了人生第一本书🌠🌡
2024-10-22 22:18:42 推荐
永久VIP:FGF23:家族靶向治疗先行者🌤来自锦州
158****4256:驱蚊的方法有哪些🌥来自营口
158****1583 回复 666🌦:理想汽车二季度“筑基” :长期研发投入成效显著🌧来自阜新
95辽阳kz
中印边境发生冲突有军人牺牲?西部战区辟谣🌨🌩
2024-10-22 0-1:38:31 不推荐
盘锦gn:国际丨秘鲁2名伐木工涉嫌侵犯领地遭原始部落弓箭射杀🌪
186****3738 回复 159****6283:台风“摩羯”登陆卫星画面公布:系我国史上最强秋台风🌫