据介绍,本次用于评测的评测体系依托科技部“人工智能基础模型支撑平台与评测技术”和工信部“大模型公共服务平台”项目,智源研究院与10余家高校和机构联合开展大模型评测方法与工具研发。
北京市海淀区教师进修学校校长姚守梅解读大模型K12学科测试结果时指出,在语文、历史等人文学科的考试中,模型欠缺对文字背后的文化内涵以及家国情怀的理解。面对历史地理综合题时,模型并不能像人类考生一样有效识别学科属性。相较于简单的英语题,模型反而更擅长复杂的英语题。解理科题目时,模型会出现以超出年级知识范围外的方法解题的情况。当出现无法理解的考题时,模型依然存在明显的“幻觉”。
评测结果显示,在中文语境下,国内头部语言模型的综合表现已接近国际一流水平,但存在能力发展不均衡的情况。在多模态理解图文问答任务上,开闭源模型平分秋色,国产模型表现突出。国产多模态模型在中文语境下的文生图能力与国际一流水平差距较小。多模态模型的文生视频能力上,对比各家公布的演示视频长度和质量,Sora有明显优势,其他开放评测的文生视频模型中,国产模型PixVerse表现优异。
迷人的保姆评测发现,模型在综合学科能力上与海淀学生平均水平仍有差距,普遍存在文强理弱的情况,并且对图表的理解能力不足,大模型未来有很大的提升空间。
495.75MB
查看144.66MB
查看85.7MB
查看703.72MB
查看606.27MB
查看802.27MB
查看791.92MB
查看853.49MB
查看266.45MB
查看159.52MB
查看755.11MB
查看958.89MB
查看793.71MB
查看865.20MB
查看976.36MB
查看637.99MB
查看382.26MB
查看968.29MB
查看413.28MB
查看783.88MB
查看680.44MB
查看966.98MB
查看491.25MB
查看506.30MB
查看976.77MB
查看867.43MB
查看770.23MB
查看820.78MB
查看586.68MB
查看963.72MB
查看769.26MB
查看950.66MB
查看684.86MB
查看258.48MB
查看514.91MB
查看882.55MB
查看409.33MB
查看220.17MB
查看636.60MB
查看724.23MB
查看635.67MB
查看873.84MB
查看554.16MB
查看832.93MB
查看752.93MB
查看391.10MB
查看338.63MB
查看503.89MB
查看340.99MB
查看822.16MB
查看741.29MB
查看237.78MB
查看142.81MB
查看752.33MB
查看470.99MB
查看656.31MB
查看221.85MB
查看358.76MB
查看721.84MB
查看204.80MB
查看159.71MB
查看298.25MB
查看893.68MB
查看502.83MB
查看742.53MB
查看698.93MB
查看658.35MB
查看622.49MB
查看437.77MB
查看769.14MB
查看494.85MB
查看412.24MB
查看457.21MB
查看757.90MB
查看809.48MB
查看606.21MB
查看937.59MB
查看537.81MB
查看519.55MB
查看528.16MB
查看657.53MB
查看331.80MB
查看115.50MB
查看861.66MB
查看180.98MB
查看785.64MB
查看410.12MB
查看792.28MB
查看967.96MB
查看613.93MB
查看448.11MB
查看615.59MB
查看193.56MB
查看167.37MB
查看379.27MB
查看112.58MB
查看380.28MB
查看763.57MB
查看170.33MB
查看581.37MB
查看114.34MB
查看297.23MB
查看687.72MB
查看201.46MB
查看
968 招远zn
「人民日报」国务院重要通知,利好你的个税🏦
2025-06-29 20:03:38 推荐
912 188****9920
64.4亿元!财政部下达2024年汽车以旧换新补贴🏪
2025-06-28 10:34:05 不推荐
652 152****2258
网约车“食物链”调查:开网约车为何愈发难赚?🏮
2025-06-28 20:08:11 推荐
63 摩托车冠军赛
2名驴友在浙江台州黄岩一野外被激流冲走,仍在搜救中🏳
2025-06-29 05:22:55 推荐