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。
据了解，结合国足卡塔尔世预赛备战和竞赛过程中暴露出的种种问题及12强赛的糟糕战绩，中国足协经与相关各方慎重研究后认为，相比于本土教练，外籍主帅可能更适合带领当下的中国队。也正是在这一思路指引下，中国足协从去年下半年就已开始着手为球队物色新的外籍主帅。
根据洛图科技公布的数据，2016~2021年，国内智能投影市场销量已经从75万台增长至491万台，结合2022年已经公布的前11个月的数据，2022年市场总体出货量将会突破600万台，上涨幅度将达到30%以上。
对于美方不断炒作击落“不明物体”，中国外交部发言人汪文斌13日表示，美方发射先进导弹击落无人飞艇，这是用力过猛的过度反应。我们注意到，美国国内很多人都在质疑，这种做法除了耗费美国纳税人的金钱之外，又能给美国和美国人民带来什么实际收益呢？
全国政协人口资源环境委员会于1998年3月成立，是全国政协常务委员会和主席会议领导下的九个专门委员会之一。张维宸说，这些年来，人口资源环境委员会意识到环境和资源方面人士分散在不同界别中，导致他们提出的政策建议较为分散，因此强力推动环境资源界的设立。此后，这些政协委员的发声能够更集中，履职更有力。
[环球时报-环球网报道 记者王盼盼]外交部发言人汪文斌13日主持例行记者会。日本朝日电视台记者提问说，我觉得气球问题现在越来越严重，所以请问为了避免冲突升级，中方现在和美国进行谈判了吗？
2018年3月，人民文学出版社推出了《语文阅读推荐丛书》系列，其中便有《水浒》。在其出版说明中，人民文学出版社特意提到，温儒敏给予了该套丛书“去课程化”和帮助学生建立“阅读契约”的指定性意见。
王仁兴
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。