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。
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。
大宝官网首页新民晚报讯(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。
网友评论更多
62嘉峪关s
1930年-辛亥革命元老谭延恺病逝🎑🎒
2024-10-23 14:51:40 推荐
187****2358 回复 184****2329:1937年-《中国共产党为公布国共合作宣言》发表🎓来自金昌
187****3813 回复 184****9731:1957年-影星周璇病逝🎖来自白银
157****9738:按最下面的历史版本🎗🎙来自天水
99酒泉326
1980年-两伊战争爆发🎚🎛
2024-10-23 16:05:15 推荐
永久VIP:1983年-朱建华以2.38米破男子跳高世界纪录🎞来自张掖
158****6202:1990年-第十一届亚运会开幕🎟来自武威
158****9124 回复 666🎠:1994年-国际考古学家小组发现最早人类化石🎡来自庆阳
10平凉cq
1997年-蒋纬国在台北病逝🎢🎣
2024-10-21 18:23:56 不推荐
定西lu:1998年-中国版权保护中心成立🎤
186****7831 回复 159****1917:1999年-中国共产党第十五届中央委员会第四次全体会议🎥