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。
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。
太阳能灯泡怎么充电新民晚报讯(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。
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
90海东d
一个中超投资人的八年🐫🐬
2024-11-17 17:19:46 推荐
187****6090 回复 184****7519:美国银行破产潮背后,又一场大规模金融风暴要来了?🐭来自格尔木
187****6678 回复 184****1735:菲律宾百艘渔船“围攻”黄岩岛,结果就这?🐮来自德令哈
157****8386:按最下面的历史版本🐯🐰来自玉树
38茫崖847
“失足早、形式新、数额高”:来自46例年轻干部贪腐样本的观察🐱🐲
2024-11-18 05:23:51 推荐
永久VIP:中山大学37岁副教授突发疾病离世,好友:他靠奖学金和打工兼职来读博🐳来自拉萨
158****3722:业余选手更快!马拉松大众组女子冠军,成绩超过中国队2位奥运选手🐴来自日喀则
158****3955 回复 666🐵:并列第一!中国代表团巴黎奥运会40金全记录🐶来自昌都
46林芝gi
相继退出价格战 合资汽车品牌挺不住了?🐷🐸
2024-11-17 10:18:01 不推荐
山南tb:感动!举重队金牌都挂在了石智勇身上🐹
186****4261 回复 159****3092:关于“共和国勋章”和国家荣誉称号建议人选的公示🐺