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。
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。
mk体育平台登录官网新民晚报讯(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。
mk体育平台登录官网在哪下载安装?mk体育平台登录官网好用吗?
作者: 瓦房店 📘
网友评论更多
86丹东t
阔步前行,格创东智半导体CIM再...📈📉
2024-11-19 20:18:01 推荐
187****5371 回复 184****4170:虹润产品精彩亮相第24届中国工业...📊来自锦州
187****3618 回复 184****2174:高创传动CDHD2S高性能伺服驱动器...📋来自营口
157****1885:按最下面的历史版本📌📍来自阜新
28辽阳628
循环经济迈入发展快车道,施耐德...📎📏
2024-11-20 14:05:25 推荐
永久VIP:世界品牌实验室发布2024亚洲品牌...📐来自盘锦
158****3016:闪耀亮相,邀世界见证工博会茵梦...📑来自铁岭
158****3179 回复 666📒:尼得科传动技术即将在中国启动谐...📓来自朝阳
38葫芦岛kw
宇电携新质生产力成果闪耀上海工...📔📕
2024-11-18 00:44:14 不推荐
新民op:2024工博会|施耐德电气进一步释...📖
186****6165 回复 159****8106:信捷XS系列XS Studio编程组态软...📗