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。
全民快三下载首页新民晚报讯(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。
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。
网友评论更多
18陆丰c
「澎湃新闻」卸任四川省卫健委主任后,48岁敬静重回华西🏯🏰
2024-10-30 01:31:51 推荐
187****3806 回复 184****8354:「第一军情」中国早有布局,新疆沙漠长出深海大虾,骚操作让日本猝不及防🏳来自恩平
187****5553 回复 184****6255:「财联社」9月1日起多家全国性银行再下调存款挂牌利率 调降幅度10-25个基点🏴来自台山
157****5441:按最下面的历史版本🏵🏷来自开平
66鹤山396
「环球网」国防部回应何时解决台湾问题🏸🏹
2024-11-01 13:48:50 推荐
永久VIP:「大皖新闻」跨省履新的他,被任命为副省长🏺来自四会
158****8731:「新京报」商务部:取消全部对华加征关税,有利于中美两国,有利于整个世界🏻来自罗定
158****3914 回复 666🏼:「光明网」凌晨突发!6人全部遇难🏽来自阳春
72化州wn
「每日经济新闻」颜宁、石正丽等确认为院士候选人🏾🏿
2024-11-01 22:24:00 不推荐
信宜lf:「中国气象局」最高级别!刚刚,台风预警升级为红色!🐀
186****5965 回复 159****7722:传递中国声音🐁