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: 天眼新闻
2024-06-16 01:27:35

粉色视频app下载安装无限看-丝瓜安卓苏州晶体tiktok「動かすのも悪くないですよ」と僕は言った。  新春佳节,返乡人员流动量剧增,县城、乡镇、牧区,有基础性疾病的人群和老年群体感染新冠病毒的风险在增高。8x6yIVQ-WyBKopul4cu3IfQeMc0g-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。

  1月24日,农历正月初三,安徽省黄山风景区接待游客34385人,创2018年以来春节假期单日接待量新高。昨天的一场雪,给五百里黄山披上了银装,奇峰怪石等都笼罩在白茫茫的雪景中,吸引了大量游客登山赏景。(刘浩 叶智成)

  夜幕降临,拉萨西郊的天海夜市亮起华灯,食客们陆续进入烧烤区内,各家店铺如往常一样在烤架上摆好肉串,飘香的烟雾让晚间的夜市光影朦胧。

  据中央气象台消息,受寒潮影响,24日晨,青海东北部、甘肃东部、宁夏、陕西中北部、山西、河北中南部、北京、天津、山东、江苏及吉林东部等地部分地区降温6~10℃,陕西北部、山西大部、河北北部、山东西北部等地降幅超过12℃。

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