復旦測評13家大模型高考數學成績，字節豆包II卷超GPT-4o奪冠

　　近日,復旦大學自然語言處理(NLP)實驗室LLMEVAL團隊公布了2024 年高考數學大模型評測結果。數據顯示,字節豆包在2024高考數學新 II 卷客觀題正確率達到74.66%,在13家大模型中排名首位,阿里千問和GPT-4o分列二三位。而在高考數學新 I 卷評測排名中,字節豆包也排在前列。

　　據悉,LLMEval是由復旦大學NLP實驗室推出的大模型評測基準,專注于評估專業領域的知識能力。評測團隊表示,全新出爐的高考試題具備高度的獨創性和保密性,是用來評測大模型的“絕好評測集合”。因此,團隊在高考后第一時間對13家大模型進行了評測。

　　評測選取2024高考數學新I卷和新II卷的14道客觀題,參評“選手”涵蓋GPT-4o、文心一言、阿里千問、字節豆包等主流大模型。GPT-4o是OpenAI于今年5月新推出的大語言模型,數學能力是其發布會現場著重展現的能力模塊。但結果顯示,部分國產大模型在本次數學評測中的成績優于GPT-4o。在新 II 卷客觀題測試中,字節豆包成績排在首位,其次是阿里千問和GPT-4o。

　　今年5月,豆包大模型在火山引擎原動力大會上正式發布。相關數據顯示,在MMLU、BBH、GSM8K、HumanEval等11個業界主流的公開評測集上,Doubao-pro-4k的總分為76.8分,優于同期測試的其他國產模型。在數學能力、語言理解能力,以及綜合評測集CMMLU和CEval的評測上,豆包也有不錯的表現,得分排在前三。