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。
天天体育皇马新民晚报讯(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。
网友评论更多
72庄河w
白酒T9峰会|树信心 固本源提价值——“第十三届中国白酒T9峰会”在山西太原隆重举行🕘🕙
2024-09-20 02:42:36 推荐
187****9957 回复 184****6694:T9重磅|汪俊林:坚持长期主义做时间的朋友🕚来自海城
187****9220 回复 184****1928:T9重磅|汪地强:坚守质量底线坚守文化传承坚守为消费者服务🕛来自东港
157****5932:按最下面的历史版本🕜🕝来自凤城
41凌海424
白酒T9峰会|汾酒袁清茂:“123”中国白酒发展观🕞🕟
2024-09-20 06:16:26 推荐
永久VIP:T9重磅|徐占成:践行传统与创新的新融合,谱写产业发展的新篇章🕠来自北镇
158****1599:伊朗告知美国,将以避免紧张局势重大升级的方式报复以色列,透露出什么信息?🕡来自盖州
158****4309 回复 666🕢:中国科学院院士林圣彩:饥饿能长寿,一天没有必要吃超过两餐,哪些信息值得关注?「少吃」有哪些学问?🕣来自大石桥
41灯塔ua
100 万元人民币存款可以回小县城躺平吗? 如果不够,要多少存款才能在小县城躺平呢?🕤🕥
2024-09-19 15:36:18 不推荐
调兵山gy:《西游记》里有哪些不合理或者是写漏的地方?🕦
186****9626 回复 159****3475:角色厨能接受游戏角色的技能是自残,或让角色痛苦吗?会不会心疼?🕧