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。
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。
必赢棋盘9965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。
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。
网友评论更多
59马尔康o
如何看待朋友圈里一直在旅行的人?🍂🍃
2024-11-09 07:31:07 推荐
187****9047 回复 184****7682:女博主独闯哀牢山露营 2 天 1 夜,当地将依法展开调查,独闯哀牢山禁区有多危险?哪些问题值得反思?🍄来自隆昌
187****8071 回复 184****7733:如何评价内蒙古民族文化艺术研究院研究员有 4 个博士学位 2 个博后?🍅来自射洪
157****4630:按最下面的历史版本🍆🍇来自会理
49贵阳843
怎么看待国产车一定能追上甚至超越国际品牌的言论?🍈🍉
2024-11-10 10:30:35 推荐
永久VIP:东北雨姐删除道歉视频,账号七天未更新,网友称拍摄基地已人去房空,具体情况如何?🍊来自六盘水
158****7869:亚锦赛男团决赛,王楚钦决胜局发挥神勇 3-2 逆转林昀儒,助力国乒摘冠,如何评价这场比赛?🍋来自遵义
158****9474 回复 666🍌:汉语中有没有四字短语分别是一二三四声?🍍来自安顺
49毕节ug
范志毅说中国不具备踢 18 强赛的能力,大家不要奢望世界杯,你同意他的观点吗?国足还有可能出线吗?🍎🍏
2024-11-09 03:40:50 不推荐
铜仁kq:网上到处转码编程成功的,现实中真的容易吗?🍐
186****1482 回复 159****4868:怎么形容桂花香?🍑