复旦测评13家大模型高考数学成绩,字节豆包II卷超GPT-4o夺冠

来源: 第一财经
2024-06-15 23:18:21

下载黄色录像「そうです」  <strong>春节假期北京乡村游收入较2019年增长51%</strong>VG99CYuO-nL3QGZ5KyxgQ6G9hAB-复旦测评13家大模型高考数学成绩,字节豆包II卷超GPT-4o夺冠

  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。

  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。

  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。

  考试一结束,海涛就联系发题人,付款200元后,对方不久发来了第二门考试的考题与答案,并告知其第三门考试的答案将在第三门考试当天发送到海涛手机上。

  《意见》要求,要紧盯涉粮乱象背后的腐败问题,深入查办“影子股东”“影子公司”“国皮民骨”以及关联交易、套取资金、输送利益等案件,从严从重惩处,保持零容忍震慑不变、高压惩治力量常在。

  现场工程师也被称为现场应用工程师或现场技术负责人,是在生产、工程、管理、服务等一线岗位上,用科学技术创造性解决技术应用问题的复合型人才。现场工程师培养为何如此重要?现场工程师要想实现“量产”,职业教育面临哪些挑战?需要从哪些领域进行突破?作为培养现场工程师的关键主体,一些职业院校目前已经开始进行探索和规划。

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
用户反馈 合作

Copyright © 2023 Sohu All Rights Reserved

搜狐公司 版权所有