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。
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。
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。
欧宝体育平台登录新民晚报讯(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。
网友评论更多
46淮南b
怎样的女人才是聪明女人?🐲🐳
2024-11-23 13:56:24 推荐
187****9498 回复 184****7943:作为车主第一视角,你开车最不喜欢副驾驶的什么行为?为什么?🐴来自马鞍山
187****4912 回复 184****6683:除了烧烤,还有哪些是你心中能代表夜宵的美食符号?🐵来自淮北
157****4209:按最下面的历史版本🐶🐷来自铜陵
76安庆935
古代人会吃夜宵吗?有哪些从古流传至今的夜宵美食?🐸🐹
2024-11-23 00:00:46 推荐
永久VIP:网传广西理科裸分状元放弃清北选择复旦强基,如何看待他的选择?🐺来自黄山
158****7255:电影《抓娃娃》里,马成钢的教育最后成功了吗?🐻来自滁州
158****1065 回复 666🐼:我不明白,一战德国和奥匈帝国根本没有获胜的可能性, 为什么还会爆发一战?🐽来自阜阳
36宿州jo
统一回应方便面中疑出现鼠头,称需要经过确认核实,具体情况如何?为何近期与鼠头有关的食品安全问题频发?🐾🐿
2024-11-23 13:31:54 不推荐
六安hr:飞花令挑战|你会如何创作包含「雪」字的诗句?👀
186****6880 回复 159****4209:同样是西虹市有钱人,《西虹市首富》里的王多鱼和《抓娃娃》里的马成钢谁更有钱?👁