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。
南宫·ng体育新民晚报讯(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
49凯里k
越南人眼中的中越谅山战役,描述客观且真...📫📬
2024-11-18 07:39:47 推荐
187****3413 回复 184****3230:女大学生因军训照走红,多家公司求签约却...📭来自都匀
187****5482 回复 184****4138:《毛选》中总结的7个成事方法,读懂一同百...📮来自兴义
157****8063:按最下面的历史版本📯📰来自福泉
33盘州571
晚年最好的活法,不是聚会、跳舞、打麻将...📱📲
2024-11-19 15:00:51 推荐
永久VIP:非升即走,下一步怎么走?📳来自兴仁
158****5489:有了“共富田”,村民能不能当“甩手掌柜”?📴来自昆明
158****9793 回复 666📵:6G,“6”在哪儿📶来自曲靖
65玉溪kk
“稍息立正敬礼!”小学来了“兵教师”📷📸
2024-11-18 06:42:41 不推荐
丽江qp:教师开直播惹争议,该如何厘清教师行为边界📹
186****4815 回复 159****6404:自动驾驶:怕不来又怕乱来📺