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。
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。
博冠足球俱乐部新民晚报讯(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
11泰安l
重走滇缅路 再叙华侨情(侨界传真)💓💔
2024-11-24 04:01:22 推荐
187****3646 回复 184****9389:关于公示第18届长江韬奋奖评选结果公告💕来自滨州
187****4540 回复 184****3045:关于公示第34届中国新闻奖评选结果的公告💖来自菏泽
157****7296:按最下面的历史版本💗💘来自胶州
19平度389
第十二届范敬宜新闻教育奖评选结果公示💙💚
2024-11-23 15:13:30 推荐
永久VIP:人民网主流价值语料库首批入选2024“融媒有技”优秀案例💛来自莱西
158****8760:中央广播电视总台陈旻:创意+科技 ,打造新媒体奥运观赛第一平台💜来自临清
158****4812 回复 666💝:人民日报刘莉莉:融媒创作要学会做“加减法”💞来自乐陵
69禹城hq
北京邮电大学党委副书记、校长徐坤:加强文化科技融合发展 激发文化创新创造活力💟💠
2024-11-23 00:38:07 不推荐
安丘xk:中央广播电视总台副台长胡劲军:以变应变 以新求新 打造国际一流新型主流媒体💡
186****8729 回复 159****2624:湖南广播影视集团有限公司(湖南广播电视台)党委书记、董事长、台长龚政文:使命激荡热血,变革势在必行💢