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。
威尼斯人游戏大厅下载新民晚报讯(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。
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。
威尼斯人游戏大厅下载在哪下载安装?威尼斯人游戏大厅下载好用吗?
作者: 呼和浩特 👌
网友评论更多
71 林芝w
国家核安全局:俄哈巴罗夫斯克放射源未对我邻近地区造成影响🎅🏂
2024-06-27 11:34:28 推荐
187****8183 回复 184****2067 :楼顶“巨型鱼缸”已连夜拆除投诉人却被打骨折?上海虹口通报🏃 来自山南
187****9211 回复 184****5477 :金价狂飙|黄金是否还值得配置:价格何以屡创新高,拐点何时到来🏄 来自那曲
157****2269 :按最下面的历史版本🏇🏊 来自银川
64 石嘴山134
大外交|耶伦访华结束:中美取得新共识成果,亦坦率讨论产能分歧🏋🏌
2024-06-26 08:04:24 推荐
永久VIP :北邮回应研究生联名举报导师师德问题:已关注,正调查👂 来自吴忠
158****8722 :昆明市卫健委通报医院开展男性“根浴”服务:成立联合调查组对涉事三家医院机构调查👃 来自中卫
158****4971 回复 666👆 :重庆南川回应社区要求只可办婚丧宴且要报备:立即停止不当做法👇 来自固原
80 灵武oa
网易回应“男孩玩蛋仔派对充上万元父亲自扇耳光”:全额退款👈👉
2024-06-25 12:40:47 不推荐
青铜峡gg :中学女生齐刷刷的“鲶鱼须”发型引热议,家长:看着都“戳”死了👊
186****1640 回复 159****9699 :“龙年龙月龙日龙时”怎么算出来的👋