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
2024-06-15 16:06:57

  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。

  美国歌手肯德里克·拉马尔(Kendrick Lamar)成为本届格莱美音乐奖说唱音乐领域最大赢家,以《The Heart Part 5》等作品横扫最佳说唱歌手、最佳说唱歌曲和最佳说唱专辑三个奖项。

  中央人民政府驻澳门特别行政区联络办公室广东联络部部长邝永韶在会议上称,广州中医药大学和澳门镜湖护理学院启动粤澳联合培养护理骨干项目,共同举办老龄护照高级研修班证书课程,将对粤澳地区在护理教育资源共享、人才培养等方面产生重要的推动作用。

  走自己的路,是历史经验,也是现实要求。新时代新征程,坚持走自己的路,就要始终不渝坚持和发展中国特色社会主义,把中国发展进步的命运牢牢掌握在自己手中。

  吉林省民政厅副厅长张驰介绍,2022年,安排资金6200万元,支持各地新建55个综合嵌入式社区居家养老服务中心、为5000户特困老年人家庭实施了适老化改造,还在3个县市区开展了社区老年食堂试点,进一步提升了全省养老服务水平。

  刘振球在一次查房过程中,遇到一名患有呼吸困难的早产儿,虽然住院1个多月,并未得到确诊和针对性治疗。看着孩子病情危重,特拉斯心急如焚,哀求地看着医生……这一幕触动了刘振球。他随即和当地医生展开病例讨论,结合自己多年新生儿临床诊治经验,给出了初步诊断——早产儿支气管肺发育不良。在此基础上,他结合辅助检查,进一步明确诊断,并迅速制定了切实可行的治疗方案。在刘振球的悉心治疗下,3周后,孩子病情逐渐好转,体重明显增加,最终健康出院。

  上海易居房地产研究院研究总监严跃进提到:“各地供地信息也会更加明确,客观上会减少土地方面的信息不对称问题,对于激活2023年土地投资市场具有积极的作用,也值得期待。”

郭志宇

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