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。
博宝艺术网官网古玩城新民晚报讯(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。
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。
博宝艺术网官网古玩城在哪下载安装?博宝艺术网官网古玩城好用吗?
作者: 哈密 ✺
网友评论更多
78额尔古纳a
中国游泳首金!潘展乐打破世界纪录夺得男子100米自由泳金牌✪✫
2024-11-05 13:05:08 推荐
187****9448 回复 184****1472:邯郸将一言九鼎街等十多条成语街道定为不易识记道路,并更名✬来自根河
187****6842 回复 184****7383:梳理|哈马斯领导人德黑兰遭袭身亡前的关键时间线:伊以冲突从暗到明✭来自丰镇
157****4609:按最下面的历史版本✮✯来自乌兰浩特
95阿尔山741
外交部:对美国国会议员麦戈文采取反制措施✰✱
2024-11-06 04:43:36 推荐
永久VIP:财政部答澎湃:地方财政运行总体平稳,下一步将提升市县财力同事权相匹配程度✲来自二连浩特
158****8107:哈马斯领导人在伊朗遇袭身亡,外交部:坚决反对并谴责暗杀行为✳来自锡林浩特
158****2586 回复 666✴:严正交涉!中方敦促日方停止就中国内政事务说三道四✵来自乌鲁木齐
97克拉玛依ql
国务院印发《深入实施以人为本的新型城镇化战略五年行动计划》✶✷
2024-11-05 16:36:08 不推荐
吐鲁番cj:【社论】拒绝“内卷式”恶性竞争✸
186****7445 回复 159****6318:游完100米蛙后曾想弃权200米,迷失的覃海洋要找回自己✹