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: 羊城派
2024-06-14 23:59:50

  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。

  环境支撑指数回暖上扬。文创实验区环境支撑指数为224.2,较上年提高22.7,区域经济环境、社会包容环境及营商营文环境都得到了明显的优化与改善,反映出区域经济社会稳定恢复发展的积极态势。自成立以来,文创实验区范围内先行先试、集成创新的政策文件数已达20个,金融服务、知识产权服务等公共服务平台数已达56个,持续健全的政策体系和日益优化的服务体系推动文创实验区营商营文环境建设水平再上新台阶。

  文职人员因在作战和有作战背景的军事行动中承担支援保障任务,参加非战争军事行动以及军级以上单位批准且列入军事训练计划的军事训练造成伤亡的,其抚恤优待参照有关军人抚恤优待的规定执行。

 <strong> 高峰</strong>

  推动有条件的老字号企业以现有门店为基础,通过产品引导、艺术介入、空间改造等手段,打造还原历史场景、反映传承故事的历史文化体验场景。支持具备条件的文化馆、博物馆打造老字号、非物质文化遗产展示体验专区,面向参观者开展文化展示、技艺传习、手工体验等文化传播和体验活动。

  胡盛所说的“抢抓三大机遇,发挥四个优势,重点打好五张牌”,是于2022年12月龙岩市委六届五次全会提出的。三大机遇:中央支持革命老区振兴发展、中央支持闽西革命老区高质量发展示范区、融入粤港澳大湾区带来的机遇;四个优势:红色优势、绿色优势、古色优势、特色优势;五张牌:革命老区牌、绿色生态牌、特色产业牌、对外开放牌、大爱龙岩牌。

  辅警曹家豪根据张先生提供的线索,耐心细致查看起现场公共场所画面。由于进站客流量大,人群密集,且张先生身穿的蓝黑色西装在视频中辨识度较低,寻找工作陷入了困境。但指挥中心的民辅警们没有放弃,将视频速度调至0.5倍速一一侦辨、比对,终于发现事主的身影出现在东平台的画面中。令人意外的是,画面显示张先生并没有将公文包放进行李箱,而是左手拎公文包,右手拖着行李箱进了站。原来,张先生由于着急改签,起身时将公文包遗落在了A22检票口附近的座椅上。此时距离张先生遗落公文包已经过了6个多小时,辅警曹家豪立即调取实时监控,惊喜发现公文包仍然在原地,他长舒一口气,拿起对讲机指派三楼执勤民警至现场查看。

潘怡孜

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