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。
国际彩票平台注册新民晚报讯(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
22六安d
「新华社」全线贯通运营!美景数不胜数🐧🐨
2024-11-26 21:27:58 推荐
187****1908 回复 184****9324:「共青团中央」全村出动,盛装出席!大学新生送行队伍一眼望不到头哇!🐩来自亳州
187****9304 回复 184****4257:「允斌顺时生活」初秋腰围变粗、肠胃不适,可能与肝有关,此时调理是最佳时机🐪来自池州
157****7492:按最下面的历史版本🐫🐬来自宣城
45巢湖100
「硬核看板」新能源车的续航,为什么总是跑不到?🐭🐮
2024-11-26 00:30:08 推荐
永久VIP:「共青团中央」习主席回信勉励的20名军校新生,都来自这个中学!🐯来自桐城
158****2088:「中国反邪教」救回来了!产妇羊水栓塞,医生讲述生死救援→🐰来自天长
158****5351 回复 666🐱:「华为运动健康」这7大“升糖刺客”,可能让你的血糖失控了🐲来自明光
84界首so
「中国青年报」“渐冻”少年报到!学校这样安排,细节太到位……🐳🐴
2024-11-26 13:08:49 不推荐
宁国wq:「最人物」薛之谦,逃过一劫🐵
186****7744 回复 159****8176:「人民网」升级红色预警!121趟列车停运🐶