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: 齐鲁壹点
2024-06-14 22:38:57

  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。

  2017年,福建省出台《关于深化集体林权制度改革加快国家生态文明试验区建设的意见》,鼓励大力发展林下经济。

  “一定要共情,让大家相信这就是我们身边的事情”

  另外,除了大家熟知的澳大利亚和英国,全球许多国家采取的是浮动抵押贷款利率,欧洲一大半国家的浮动利率比例要高于英国,这将加剧对楼市的威胁,加大居民消费压力,造成额外的通胀困扰。

  从第3、4单开始,骗子就会以“任务未完成”“卡单”“未按操作进行”等各种借口拒绝支付货款和酬劳,并不断鼓励你继续刷单,且表示只有不断刷单才能拿到之前的货款和酬劳。(假的)如果你听信了骗子的话,想要拿回之前的货款和酬劳,那就一步步陷得更深了。

  受访者中00后占29.8%,90后占47.6%,80后占22.6%。一线城市的占31.0%,二线城市的占44.4%,三四线城市的占19.0%,乡镇的占5.6%。

  方庆华承诺,在2023年2月1日至2月14日期间完成净买入天振股份股票,连续持有至2024年2月16日仍在职的员工,若因在前述期间增持天振股份股票产生的亏损,方庆华将以个人资金予以全额补偿;若有股票增值收益则归员工个人所有。

许家铭

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