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。
bet官网365app下载新民晚报讯(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。
网友评论更多
97安顺e
灌区续建配套与现代化改造项目 ...😟😠
2024-11-20 06:40:30 推荐
187****6186 回复 184****7681:智慧灌区信息化建设系统 灌区数...😡来自毕节
187****6574 回复 184****8958:灌区续建配套与节水改造项目工程...😢来自铜仁
157****2126:按最下面的历史版本😣😤来自清镇
82赤水167
水库雨水情自动测报 水库水位监...😥😦
2024-11-19 16:47:02 推荐
永久VIP:小型水库水情报汛系统 水雨情自...😧来自仁怀
158****8102:格创东智入选IDC权威报告,AI创...😨来自凯里
158****5131 回复 666😩:生产制造 | NCSIMUL自动化批量仿...😪来自都匀
14兴义fj
设计仿真 | FTI 助力车身钣金件...😫😬
2024-11-20 06:44:00 不推荐
福泉ab:海克斯康测量系统受邀参加中国水...😭
186****7259 回复 159****4100:【协同助力,革新赋能】海克斯康...😮