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。
多宝语音电脑版官网下载新民晚报讯(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。
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。
网友评论更多
60涟源y
新华社宋玉萌:在她们身上读懂这片土地的坚韧⛉⛊
2024-11-26 0-1:06:49 推荐
187****1722 回复 184****1441:新华社熊丰:平安中国背后的担当与坚守⛋来自吉首
187****6189 回复 184****2697:中央广播电视总台许梦哲:让党旗更鲜艳⛌来自宁乡
157****5640:按最下面的历史版本⛍⛎来自广州
22深圳582
加强共治,提升短视频社交平台治理效能⛏⛐
2024-11-26 02:34:56 推荐
永久VIP:2023年“中国新闻传播大讲堂”在京启动⛑来自清远
158****8481:第33届中国新闻奖评选结果揭晓⛒来自韶关
158****2008 回复 666⛓:第33届中国新闻奖获奖作品目录⛔来自河源
47梅州mu
首次新闻记者职业资格考试举行⛕⛖
2024-11-28 02:44:57 不推荐
潮州zn:3.9万余人参加首次新闻记者职业资格考试⛗
186****5288 回复 159****5906:2023年中国新闻工作者援助项目名单发布⛘