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。
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。
凯发k8官方网娱乐官方新民晚报讯(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
17宜昌q
A股突发!卢进被查♔♕
2024-11-24 22:53:03 推荐
187****3026 回复 184****6485:易方达基金回应非法卖空港股等传闻:第一时间启动内审程序,并聘请外部律所开展独立调查♖来自随州
187****9932 回复 184****7863:收评:恒指涨0.68% 恒生科指涨0.23%中资券商股集体上涨♗来自丹江口
157****4657:按最下面的历史版本♘♙来自老河口
40枣阳432
为什么昨天发布这些重磅政策?人民币汇率怎么看?邵宇这样说♚♛
2024-11-24 10:24:23 推荐
永久VIP:印尼正式申请加入跨太平洋伙伴关系协定♜来自宜城
158****7489:易方达回应五宗罪传闻:公司始终坚持合规经营 对于任何恶意诽谤行为保留追责权利♝来自钟祥
158****2851 回复 666♞:盘前:道指期货涨0.1% 原油价格从多周高点回落♟来自京山
49汉川jb
对外担保总额超1000亿元 万科积极推进融资模式转型♠♡
2024-11-26 04:13:35 不推荐
应城tc:超六成长途游 “十一”旅游热度飙升♢
186****4748 回复 159****5569:存量房贷利率下调 1.5亿人口将受益♣