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。
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。
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。
加拿大龙门pc预测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。
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。
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。
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%。
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。”
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。
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。
网友评论更多
53辽阳q
周弘:区域国别学视域下的欧洲研究🌁🌂
2024-11-16 19:33:40 推荐
187****9248 回复 184****7133:钟书林:关于敦煌文的一些思考🌃来自盘锦
187****7122 回复 184****6700:朱富强:包容性增长还是无序式增长:理论和历史的考问🌄来自铁岭
157****7523:按最下面的历史版本🌅🌆来自朝阳
84葫芦岛191
赵燕菁:宏观经济政策不应被中美博弈所绑架🌇🌈
2024-11-15 15:50:07 推荐
永久VIP:李伯重:16-19世纪中期的中国海上对外贸易🌉来自新民
158****1334:李伯重:相似与相异:19世纪初期江南与荷兰经济史比较研究🌊来自瓦房店
158****1519 回复 666🌋:陈来:在中国孔子基金会成立40周年座谈会上的讲话🌌来自庄河
47海城lt
刘洋洋:好恶、情性与人格养成——论早期儒家好恶观念演变的三条路径🌍🌎
2024-11-17 19:00:32 不推荐
东港wl:曲青山:把“两个确立”融入灵魂化为行动🌏
186****2469 回复 159****5524:孟钟捷:促进文明交流互鉴的世界历史意义🌐