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。
“北京市东城区27院儿：以社会化运营激发城市街区文化活力”“上海市徐汇区‘日晖有戏’让戏曲成为新时尚”“湖北省赤壁市‘派出制’+‘驻站制’，探索总分馆人员建设新路径”……51个案例涵盖制度建设、公共文化空间、乡村文化建设等多个方面，集中展示了近年来各地立足经济社会发展实际，推动公共文化服务高质量发展的生动实践和创新成果。
自上世纪80年代初我国建立首个精子库后，据国家卫健委数据显示，截至2021年6月底，全国经批准开展人类辅助生殖技术的医疗机构已从451家增加到539家，经批准设置人类精子库的医疗机构从23家增加到27家。精子库在我国的诞生已走过40多个年头，但至今无论是捐献精子还是冷冻精子，于大众而言依旧是一件“谈之色变”的新鲜事。
在数十亿年的过程中，星系通过“孵化”出新恒星和恰当的“星系移民”事件与其他星系合并，不断成长和演化。科学家试图通过研究整个星系中单个恒星的运动、恒星和暗物质的扩展晕来揭示这些“移民事件”，但直到现在，他们只对银河系开展了这样的宇宙考古学研究。
当地时间11日，联合国主管人道主义事务的副秘书长马丁·格里菲思，在土耳其卡赫拉曼马拉什省视察灾区时表示，土耳其南部靠近叙利亚边境地区6日发生的强烈地震是这一地区百年来最严重的事件。
新华社记者 叶昊鸣、严赋憬、冯歆然
多位专家还提到，对于教育理念的影响是需要重点关注的地方。刘德良认为，在知识生产方式不断发展的情况下，对于独创性的考察更加重要。我们不能原地踏步，仍以分数、做题的速度和效率等为标准，而是应转变观念，在技术基础上强调更高层次的独创性，着重培养学生的独立思考能力和创新能力。
曹欣怡
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。