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。”
- ·守护人民群众用妆安全 全省化妆品监管工作会议在太仓召开
- ·云南宁洱:警民合力救助落难苍鹭
- ·扎根科研一线 他们加快新一代无线通信技术研发步伐
- ·发展即时零售 提升消费体验(经济新方位)
- ·用“意念”控制手指屈伸
- ·云南宁洱:警民合力救助落难苍鹭
- ·多部门开列任务清单 金融制度型开放释放鲜明信号
- ·山里来的大三学生设计“黄连炕”机器获国赛大奖
- ·加强国家安全教育校地合作 中国人民大学国家安全苏州教学实践基地揭牌
- ·北京降低空气重污染预警启动门槛
- ·中国物流业景气指数继续扩张 物流业保持较高活跃度
- ·《国内旅游提升计划(2023—2025年)》印发
- ·河北省隆尧县:党建联盟助力企业发展
- ·山里来的大三学生设计“黄连炕”机器获国赛大奖
- ·中国物流业景气指数继续扩张 物流业保持较高活跃度
- ·黑龙江省秋收生产已全面结束