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: 半月谈
2024-06-16 03:43:56

  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。

  8月1日,新华社从河北防汛抗旱指挥部获悉,7月31日起,河北先后启用7个蓄滞洪区,包括大陆泽、宁晋泊、小清河分洪区,兰沟洼、东淀、献县泛洪区,永定河泛区,以减轻京津防洪压力。其中,涿州境内包含了小清河分洪区与兰沟洼蓄滞洪区。《评估报告》介绍,小清河分洪区有两大功能,分泄滞蓄当地四条河流的洪涝水,以及承接永定河100年一遇洪水时的分洪水量,是永定河防洪体系的重要组成部分。

  8月6日,中央纪委国家监委网站发布消息,北京航空航天大学党委常委、副校长张广涉嫌严重违纪违法,目前正接受中央纪委国家监委纪律审查和监察调查。

  欧洲篮球媒体“欧洲篮圈”称,尽管李凯尔的表现算得上高效,但意大利男篮没有遇到太多挑战。东道主球队从比赛伊始就掌控节奏,在第二节初建立两位数的比分优势,并将优势保持到比赛结束。

  前述熟悉涿州水利的人士复盘此次洪灾后建议,在蓄滞洪区的村庄中,未来政府至少可以放置一些逃生器材。“政府可以买一些玻璃钢船等,不用太贵重,平时由各村委会维护,当一些人被洪水围困时,当地人可以把更多受困者更快地救出来。”

  记者今天(14日)从最高人民检察院获悉,辽宁省大连市政协原党组书记、主席郝宏军涉嫌受贿一案,由国家监察委员会调查终结,移送检察机关审查起诉。日前,最高人民检察院依法以涉嫌受贿罪对郝宏军作出逮捕决定。该案正在进一步办理中。(总台央视记者 程琴)

  中卫中院审理查明:贾奋强通过其朋友以签订虚假房屋装修合同的方式从银行获取贷款300万元,贷款月利息5厘,贷款期限为一年。贷款发放后,贾奋强立即以2分5厘的月利息,把这笔贷款全部转借给一家小额信贷公司。几番续贷续借后,他牟利105万余元。

杨佳蓉

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