📿爱体育网址🔀
爱体育网址新民晚报讯(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。
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。
🔁(撰稿:安庆)轰6K为何日出时分绕岛巡航?可利用逆光,全程占据有利位置
12-07康振通🔍
1.5亿阿拉伯人居然打不过800万犹太人:为何以色列从无败绩?
12-08太赛扬🔎
美军公然展示灭岛能力 外媒:特朗普在南海要的不是战争
12-08志友🔏
这就有点厉害了!空军找上蓝翔 为的就是挖掘机
12-06渴望之泉🔐
巴基斯坦海军采购2艘054A护卫舰 3年内达4艘
12-07梦讯辰🔑
中看不中用?被无数军迷奉为最酷战斗机的F-14为何会被F-18取代?
12-07诺嘉迪🔒
默虹|美海军测试新制服,配发“一脚蹬”老头皮鞋
12-07风尚先锋🔓
巴基斯坦确认将购买2艘054A护卫舰 3年内4艘
12-06环诗n
外电军情|西媒讽特朗普:“美国优先”帮普京走出困境
12-06活力f
汉光演习正式开场 少将带头跳伞恢复演习训练
12-06月卓🔔