内地首个AI高考评测 数学全不及格
图:AI得分情况。内
【大公报讯】据第一财经报道:高考这一高难度综合性测试,地首目前普遍被研究者用于考察大模型的个AI高格智能水平。在前不久高考结束后,考评上海人工智能实验室旗下司南评测体系OpenCompass选取了7个大模型进行高考“语数外”全卷能力测试,测数并于19日发布了首个大模型高考全卷评测结果。学全
语数外三科加起来的不及满分为420分,此次高考测试结果显示,内阿里通义千问2-72B得303分排名第一,地首OpenAI的个AI高格GPT-4o得296分排名第二,上海人工智能实验室的考评书生.浦语2.0排名第三,三个大模型的测数得分率均超过70%,但大模型的学全数学都不及格,最高分也只有75分。不及在数学试卷上,内阅卷老师们发现,大模型的主观题回答相对凌乱,且过程具有迷惑性,甚至出现过程错误但得到正确答案的情况。大模型的公式记忆能力较强,但是无法在解题过程中灵活引用。可以看出,在数学方面大模型还有很大的提升空间。
数学关乎复杂推理相关能力,这是大模型普遍面临的难题,也是大模型在金融、工业等要求可靠的场景落地需要的关键能力。上海人工智能实验室领军科学家林达华表示,“现在很多大模型的应用场景是客服、聊天等,在聊天场景一本正经胡说八道影响不太大,但它很难在非常严肃的商业场合去落地。”
- ·冯氏毒舌:20个反常识的常识
- ·土耳其再度发生政变 美国同意拉法行动计划
- ·秦安:很多人睡不着觉了,俄已向中国移交针对中俄的颠覆活动材料
- ·看了鸨鸟怎么交配,才知道古代青楼的老板娘,为何叫“老鸨”!
- ·我国首个百兆瓦时级钠离子储能电站投产
- ·中国制裁12家美企,不到24小时,沙利文发声,否认中国军援俄罗斯
- ·我军演习出现低级失误!两支小队集体交白卷,这下让人看笑话了
- ·网传京东大规模裁员!中午通知,晚上就关闭账号,618不过了?
- ·停播13年后,《曲苑杂坛》仍被热议:主持人汪文华到底得罪了谁?
- ·秦安:很多人睡不着觉了,俄已向中国移交针对中俄的颠覆活动材料
- ·办公楼好朴素!英伟达20万亿=腾讯+阿里+拼多多+A股top8市值总和...
- ·被《庆余年2》的女五号惊艳,颜值一流,身材一流,演技亦一流
- ·在成人体验馆消费,算是嫖娼吗
- ·江苏:女子相亲被婉拒,每日打扮娇艳上门去做饭,男子:快沦陷了
- ·秦安:很多人睡不着觉了,俄已向中国移交针对中俄的颠覆活动材料
- ·一个人骂不对,两个人骂也不对,全国的百姓都骂,到底怎么了嘛?