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。
xkdsp.apk3.0隐藏入口特色新民晚报讯(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。
网友评论更多
56天长q
千万小心!有这些习惯会让人越长越丑!★☆
2025-06-17 08:00:34 推荐
187****7397 回复 184****7131:如何义正言辞地拒绝他人请求?别过来,我怕狗(不是☇来自明光
187****2304 回复 184****8301:酒店小卡片上的模特,究竟是在哪儿找的?☈来自界首
157****2090:按最下面的历史版本☉☊来自宁国
96广德608
女生最该分手的瞬间TOP1☋☌
2025-06-17 22:25:16 推荐
永久VIP:这届小学生,用yyds写作文☍来自潜山
158****9780:人类平均智商每年掉0.2分,一代人比一代人更蠢实锤了?☎来自无为
158****8157 回复 666☏:欠银行一个亿,能享受到啥特殊服务?☐来自福州
39南平ew
生活中的哪些细节,会让女生对你刮目相看?☑☒
2025-06-17 08:02:11 不推荐
三明ed:你还记得两岁前的事儿?那可能是你妈虚构出来的☓
186****2789 回复 159****4203:在百度搜索法律问题,看得我连夜想自首☔