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: 中国网推荐
2024-06-16 18:09:45

  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。

  从库存看,当前南宁的去化周期较高。据广西中原地产统计,截至2022年底,南宁新建商品住宅库存量为753万平方米,消化周期为20个月,这一去化周期在全国属于较高水平。

  再加上,科技巨头也纷纷跨界布局投影仪市场,整个行业都在朝着快速迭代,不断提高分辨率等关键指标的技术能力,朝着更方面、更智能的方向发展。而在这股创新力量的裹挟下,电视若还是视若无睹,未来又该何去何从?

  甘肃省委书记在讲话中指出,领袖嘱托殷殷,让我们深感责任重大、如负千钧;群众期盼热切,让我们深感惴惴不安、如坐针毡;现实差距明显,让我们深感如牛负重、如芒在背;区域竞争加剧,让我们深感标兵林立、如恐不及。

  国际船市同样低迷。从上世纪70年代中期开始,世界造船量连年下滑,英国《经济学人》认为,同需求相比,世界拥有的造船设备已“过剩30%到40%”,大批中小船厂破产。当时,日本借助政府支持以低价优势从欧洲这群猛虎口中夺食,成为造船产量第一的国家,建立了世界上最庞大、完整的造船配套体系,但在这场危机中,到1978年,日本40家船厂平均开工率也只剩下39%。

  近日,有消息称,广西南宁有楼盘对外宣称,“住房按揭贷款年龄期限可延长至80岁”,其合作银行据称是中信银行南宁分行。随后,该消息被部分网友误读为贷款人年龄放宽至80岁,引发强烈关注。

  据南宁市住建局官网数据,今年1月21日-1月27日,南宁全市商品房网签成交套数同比增幅为415.79%,成交面积同比增长638.13%。

郑昱顺

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