近日,復旦大學自然語言處理(NLP)實驗室LLMEVAL團隊公布了2024 年高考數學大模型評測結果。數據顯示,字節(jié)豆包在2024高考數學新 II 卷客觀題正確率達到74.66%,在13家大模型中排名首位,阿里千問和GPT-4o分列二三位。而在高考數學新 I 卷評測排名中,字節(jié)豆包也排在前列。
據悉,LLMEval是由復旦大學NLP實驗室推出的大模型評測基準,專注于評估專業(yè)領域的知識能力。評測團隊表示,全新出爐的高考試題具備高度的獨創(chuàng)性和保密性,是用來評測大模型的“絕好評測集合”。因此,團隊在高考后第一時間對13家大模型進行了評測。
評測選取2024高考數學新I卷和新II卷的14道客觀題,參評“選手”涵蓋GPT-4o、文心一言、阿里千問、字節(jié)豆包等主流大模型。GPT-4o是OpenAI于今年5月新推出的大語言模型,數學能力是其發(fā)布會現場著重展現的能力模塊。但結果顯示,部分國產大模型在本次數學評測中的成績優(yōu)于GPT-4o。在新 II 卷客觀題測試中,字節(jié)豆包成績排在首位,其次是阿里千問和GPT-4o。
今年5月,豆包大模型在火山引擎原動力大會上正式發(fā)布。相關數據顯示,在MMLU、BBH、GSM8K、HumanEval等11個業(yè)界主流的公開評測集上,Doubao-pro-4k的總分為76.8分,優(yōu)于同期測試的其他國產模型。在數學能力、語言理解能力,以及綜合評測集CMMLU和CEval的評測上,豆包也有不錯的表現,得分排在前三。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
