c7官网登录入口新民晚报讯(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。
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。
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。
网友评论更多
67张家港g
「澎湃新闻」鲁山雕塑事件被提级调查:7名评标专家中3人认为该方案一般🛵🛶
2024-12-05 18:26:50 推荐
187****4692 回复 184****2186:「大皖新闻」中纪委刚刚通报:陈罡接受审查调查🛷来自太仓
187****9725 回复 184****3699:「中国政府网」分别提高1000元!三项个税专项附加扣除标准调整🛸来自昆山
157****1531:按最下面的历史版本🛹🛺来自江阴
96宜兴569
「环球网」最高级别红色预警!17级大风!特大暴雨!超强台风,即将在这里登陆🤖🤗
2024-12-04 22:11:17 推荐
永久VIP:「北青网」突然下调!杭州有人冒雨存了1000多万!姑娘懊恼:还是太晚了🤺来自溧阳
158****2726:「第一军情」一夜之间表弟军变,把总统表哥赶下台,中美俄都在看🤼来自扬中
158****5581 回复 666🥀:「环球网」椰子水价格暴涨4000%!供不应求!曾经的“边角料”,彻底火了🥁来自句容
28丹阳ri
「今日篮球速递」男篮世界杯-日本逆转委内瑞拉 中国直通奥运仅存理论希望🥂🥃
2024-12-05 04:42:22 不推荐
如皋gf:「新华网」习近平复信史迪威将军后人🥄
186****8771 回复 159****6066:「澎湃新闻」卸任四川省卫健委主任后,48岁敬静重回华西🥅