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。
手机澳洲幸运5app下载新民晚报讯(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。
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。
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。
手机澳洲幸运5app下载在哪下载安装？手机澳洲幸运5app下载好用吗？
作者: 锡林浩特 🚶
网友评论更多
63 霍林郭勒e
两个相亲对象，怎么选?🕵🕺
2025-07-05 12:26:04 推荐
187****8557 回复 184****5108 ：你还记得你第一份工作的工资是多少钱吗？🖐 来自满洲里
187****3793 回复 184****5839 ：高度近视 800 度，平时戴眼镜一天下来又沉又难受，怎么样配到合适的眼镜？🖕 来自牙克石
157****6335 ：按最下面的历史版本🖖🙅 来自扎兰屯
99 额尔古纳102
桃田贤斗宣布退役，如何评价他的职业生涯？🙆🙇
2025-07-05 16:50:06 推荐
永久VIP ：有哪些缓解工作压力的小窍门？🙋 来自根河
158****5060 ：对工作感到乏味，缺乏挑战性和兴趣该怎么办？🙌 来自丰镇
158****5687 回复 666🙍 ：为什么我特别讨厌情绪价值这个词?🙎 来自乌兰浩特
27 阿尔山ka
周末和非工作日，要如何营造一个有利于阅读的氛围？🙏🚣
2025-07-03 05:43:04 不推荐
二连浩特do ：阿联酋经历 75 年来最大降雨，天空变成绿色，迪拜机场被淹，此次阿联酋极端暴雨将带来哪些影响？🚴
186****5553 回复 159****6061 ：如何在工作和个人生活之间找到平衡？🚵