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: 光明网
2024-06-16 07:52:18

  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。

  “其实,实行药品零差价和带量采购之后,药品上的提成已经少很多,现在只是在小品种药品、部门中药、医疗器械、耗材上存在一些销售提成。大部分药企的销售费用,还是花在了产品能够进入医院的‘入场费’上。”张贤伦坦言:“药效都差不多的情况下,凭什么选择你的产品?这就要看你和院长、科室主任、药剂科这些有准入话语权的人,关系有多‘硬’了——也就是双方利益绑定程度有多深。”

  杭州市公安局拱墅分局一级警长、公职律师童晓辉在接受《中国新闻周刊》采访时表示,在涉及高利转贷的案件中,如果高利转贷者在约定时间内还清了贷款,没有给银行造成损失,就很少暴露。而且这类人员在高利转贷时,也不一定会向转贷对象说明资金来源,“对公安机关经侦部门来说,相比集资诈骗、合同诈骗等,高利转贷的隐蔽性会更强”。

  7月31日上午,刘斌把孩子送到百米外地势较高的学校,村里不少人临时转移至此。刘斌和妻子回到家,傍晚约6点,村里突然来了大水,不到1个小时,二楼就被淹了。刘斌看着家具都被冲走,想逃已来不及,穿着短裤和背心,和妻子匆忙爬到了屋顶,又借着一架高梯,越过房顶逃向山里。8月3日,河北保定市涞水县委宣传部发布通报称,野三坡景区全境受灾,波及15乡镇、284村,景区遭受毁灭性损毁。

  今年4月初,美国宣布在菲律宾增开4个军事基地,使得美国在菲律宾的军事基地数量达到9个,其中有6个直接面向台海或南海。随后不久,美菲在马尼拉启动为期18天的“肩并肩”联合军事演习。不仅规模为史上最大,且演习新增网络防御和海上实弹射击科目演练,针对性意味十分明显。

  由于该帖发出后不久,山东德州平原县传来地震消息,有网友认为这个帖子是“神预言”,其实是牵强附会。因为该帖子并没有具体提到山东将于何时何地会发生地震,只是通过搜查资料发现山东位于郯庐地震带上,因此不算预言帖,更谈不上成功预报的“神帖”。

  通报称,2013年,时任巩义市北山口农信社主任王某范为感谢杨红伟对其农信社完成揽储任务等提供的帮助,与杨红伟商定以其哥哥杨某军的名义通过签订虚假合同在北山口农信社贷款200万元,并由王某范进行转贷给某置业公司,获取的102万余元高额利息由杨红伟占有支配。

蒋如君

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