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: 楚天都市报
2024-06-14 23:57:09

  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。

  地震发生后,海螺沟景区消防救援大队2车8人立即在磨西镇开展排查工作,4时25分,甘孜州消防救援支队全勤指挥部赶赴震中。

  “茶是福建人过年不可或缺的‘年货’。不管是用来招待拜年的客人,还是休息在家自己品,茶是每天必泡的。”袁霞说,春节旺盛的茶叶需求让她的茶叶批发店前一阵子非常忙碌,现在渐渐忙完了,自己要好好品一品家乡的肉桂,休整一番。

余海龙话语铿锵:“跟我跳!”

  日本首相岸田文雄23日在第211次通常国会(国会例会)召开期间发表施政演说,强调要从根本上增强日本防卫能力,并表示拥有所谓“反击能力”即“对敌基地攻击能力”对日本来说非常必要。为了实现该目标,将在5个财年内将日本防卫费总额增加至约43万亿日元(1日元约合0.0077美元),部分财源将通过征税的方式来解决。

  位于北京市丰台区的中国园林博物馆是中国第一座以园林为主题的国家级博物馆。2015年,该馆启动了园林小讲师这一青少年园林启蒙科教品牌项目。据该馆培训老师庞森尔介绍,截至目前,已有700余名小讲师取得资格证。春节假期,小讲师们不仅在各个展厅带来精彩讲解,还向游客们介绍创作传统版画、体验斗拱拼插等活动,邀观众在园林山水间认识传统年俗,感受别样意趣。

  ——据乌克兰国家核能监管局官网24日发布的消息,国际原子能机构观察团23日进驻赫梅利尼茨基核电站,这标志着国际原子能机构已完成向乌境内所有5座核电站派驻观察团的工作。乌国家核能监管局称,观察团的主要任务是观察袭击活动对核设施的影响并维护核设施安全。

陈光心

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