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。
大象回家新民晚报讯(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。
网友评论更多
68 咸阳k
究竟该到哪个城市安家和就业?🐇🐈
2025-06-16 06:23:30 推荐
187****9288 回复 184****9334 ：隔夜美股全复盘(6.4)| 三大股指V型震荡，英伟达大涨5%创收盘新高🐉 来自宝鸡
187****5445 回复 184****9716 ：格隆汇ETF日报 | 半导体板块领涨，半导体产业ETF涨超3%！🐊 来自汉中
157****9409 ：按最下面的历史版本🐋🐌 来自榆林
25 商洛933
碳达峰二期——逐梦数载，成功就在今朝🐍🐎
2025-06-17 22:52:46 推荐
永久VIP ：注安备考重要时刻 河南中安建培教育学员通关经验分享🐏 来自安康
158****3916 ：「门对门 Door to Door」：促进香港及内地企业国际化的新工具🐐 来自韩城
158****3822 回复 666🐑 ：A股收评：两市超4400股下跌，ST板块重挫，AI相关板块走强🐒 来自华阴
28 兴平qj
新弹药来了，QDII再度获批，谁是最大赢家？🐓🐔
2025-06-17 15:18:17 不推荐
彬州sr ：5月大A仅三家新股上市，首日全部收涨，最靓新股涨超227%！🐕
186****6969 回复 159****3019 ：易联众智慧云胶片平台,助推医学影像服务“向云端”🐖