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
今天真精华布衣天下今天图2二十人ばかりの客を乗せてしまうとバスはすぐに出発しc鴨川に沿って京都市内を北へと向った。北に進めば進むほど町なみはさびしくなりc畑や空き地が目につくようになった。黒い瓦屋根やビニールハウスが初秋の日を浴びて眩しく光っていた。やがてバスは山の中に入った。曲りくねった道でc運転手は休む暇もなく右に左にとハンドルをまわしつづけc僕は少し気分がわるくなった。朝飲んだコーヒーの匂いが胃の中にまだ残っていた。そのうちにカーブもだんだん少なくなってやっとほっと一息ついた頃にcバスは突然ひやりとした杉林の中に入った。杉はまるで原生林のように高くそびえたちc日の光をさえぎりcうす暗い影で万物を覆っていた。開いた窓から入ってくる風が急に冷たくなりcその湿気は肌に痛いばかりだった。谷川に沿ってその杉林の中をずいぶん長い時間進みc世界中が永遠に杉林で埋め尽くされてしまったんじゃないかという気分になり始めたあたりでやっと林が終わりc我々はまわりを山に囲まれた盆地のようなところに出た。盆地には青々とした畑が見わたす限り広がりc道路に沿ってきれいな川が流れていた。遠くの方で白い煙が一本細くたちのぼりcあちこちの物干には洗濯物がかかりc犬が何匹か吠えていた。家の前にはたき木が軒下までつみあげられcその上で猫が昼寝をしていた。道路沿いにしばらくそんな人家がつづいていたが人の姿はまったく見あたらなかった。下一个节气就是立春RcX3Xnn9-G28Oef6ytSKyrWnP0R-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
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。