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。
u发国际娱乐官网新民晚报讯(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
13保山x
美团745万骑手收入大曝光🔐🔑
2024-11-18 16:41:52 推荐
187****6788 回复 184****6830:上海一外卖骑手劳累过度猝死?当事人出镜澄清🔒来自安宁
187****3111 回复 184****7059:广西桂林外祖孙俩遭邻居持刀行凶 亲属最新发声:被害女童已去世🔓来自宣威
157****9151:按最下面的历史版本🔔🔕来自芒
60瑞丽114
北大国际关系学院考生“蔡元培”登顶热搜!将于周末参加复试🔖🔗
2024-11-19 11:55:16 推荐
永久VIP:小学生说话被老师用胶布封嘴,教育惩戒边界在哪?🔘来自大理
158****2453:上海局地积水严重仍在抢排,预计抢险将持续到今天夜间🔙来自楚雄
158****6019 回复 666🔚:泉州一小学生走廊上甩手无意碰触老师 被脚踢后揪进教室县教育局:已解聘涉事教师🔛来自个旧
72开远qs
究竟|长城举报比亚迪背后:插混车型使用常压油箱会导致排放超标吗🔜🔝
2024-11-18 00:38:59 不推荐
蒙自ct:最疯狂实验:6女4男在船上共度100天,无法...🔞
186****7734 回复 159****6314:越南人眼中的中越谅山战役,描述客观且真...🔟