高考結(jié)束后，上海人工智能實(shí)驗(yàn)室旗下司南評(píng)測(cè)體系OpenCompass選取了7個(gè)大模型進(jìn)行高考“語數(shù)外”全卷能力測(cè)試。6月19日，OpenCompass發(fā)布了首個(gè)大模型高考全卷評(píng)測(cè)結(jié)果。Nvp28資訊網(wǎng)——每日最新資訊28at.com

在滿分420分的三科測(cè)試中，阿里通義千問2-72B以303分的成績拔得頭籌，緊隨其后的是OpenAI的GPT-4o，獲得296分，而上海人工智能實(shí)驗(yàn)室的書生·浦語2.0位列第三。Nvp28資訊網(wǎng)——每日最新資訊28at.com

Nvp28資訊網(wǎng)——每日最新資訊28at.com

這三大模型的得分率均超過了70%，展現(xiàn)了不俗的實(shí)力。相比之下，來自法國大模型初創(chuàng)公司的Mistral則排名末尾。Nvp28資訊網(wǎng)——每日最新資訊28at.com

參與此次評(píng)測(cè)的模型來源廣泛，包括阿里巴巴、零一萬物、智譜AI、上海人工智能實(shí)驗(yàn)室、法國Mistral的開源模型，以及OpenAI的閉源模型GPT-4o。Nvp28資訊網(wǎng)——每日最新資訊28at.com

Nvp28資訊網(wǎng)——每日最新資訊28at.com

為確保公平，實(shí)驗(yàn)室特別指出，由于無法確定閉源模型的更新時(shí)間，評(píng)測(cè)中僅將GPT-4o作為參考，并未納入商用閉源模型。同時(shí)，所有參與評(píng)測(cè)的模型均在高考前(2024年4月-6月)開源，有效避免了“刷題風(fēng)險(xiǎn)”。Nvp28資訊網(wǎng)——每日最新資訊28at.com

從評(píng)測(cè)結(jié)果來看，大模型在語文和英語方面的表現(xiàn)普遍較好，但在數(shù)學(xué)方面則普遍不及格。最高分僅為75分，由書生·浦語2.0獲得，緊隨其后的是GPT-4o的73分。語文方面，通義千問表現(xiàn)出色，而英語則由GPT-4o領(lǐng)跑。Nvp28資訊網(wǎng)——每日最新資訊28at.com

數(shù)學(xué)成績的不理想凸顯出大模型在復(fù)雜推理能力方面的不足。這一能力是金融、工業(yè)等要求可靠場(chǎng)景落地所需的關(guān)鍵能力，也是大模型未來發(fā)展的重要方向。Nvp28資訊網(wǎng)——每日最新資訊28at.com

Nvp28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://m.yifxia.cn/showinfo-56-20661-0.html首個(gè)Al高考全卷評(píng)測(cè)結(jié)果發(fā)布 數(shù)學(xué)全部不及格

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： 《塞爾達(dá)傳說》新作截圖、背景介紹：林克下落不明！

下一篇： 《皮皮魯》動(dòng)畫電影立項(xiàng)！童話大王鄭淵潔之子擔(dān)任編劇