大模型“考生”數(shù)學(xué)全不及格！首個(gè)AI高考全卷評(píng)測(cè)結(jié)果出分

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：大模型“考生”數(shù)學(xué)全不及格！首個(gè)AI高考全卷評(píng)測(cè)結(jié)果出分
關(guān)鍵字：模型,教師,人工智能,能力,考生
文章來源：算法邦
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

直播預(yù)告 | 6月25日晚7點(diǎn)，「智猩猩機(jī)器人新青年講座」第9講正式開講，UMass Amherst在讀博士周沁泓將直播講解《在具身智能模擬器中針對(duì)動(dòng)態(tài)災(zāi)害進(jìn)行具身決策》，歡迎掃名~高考覆蓋各類學(xué)科及題型，同時(shí)因其開考前的“絕密性”，被視作中國(guó)最具權(quán)威的考試之一，成為評(píng)估考生綜合能力的“試金石”。這一面向人類設(shè)計(jì)的高難度綜合，目前普遍被研究者用于考察大模型的智能水平。
2024年全國(guó)高考甫一結(jié)束，司南評(píng)測(cè)體系OpenCompass選取6個(gè)開源模型及GPT-4o進(jìn)行高考“語數(shù)外”全卷能力測(cè)試。評(píng)測(cè)采用全國(guó)新課標(biāo)I卷，參與評(píng)測(cè)的所有開源模型，開源時(shí)間均早于高考，確保評(píng)測(cè) “閉卷”性。同時(shí)，成績(jī)由具有高考評(píng)卷經(jīng)驗(yàn)的教師人工評(píng)判，更加接近真實(shí)閱卷標(biāo)準(zhǔn)。
首個(gè)大模型高考全卷評(píng)測(cè)結(jié)果顯示，Qwen2-72B、GPT-4o及書生·浦語2.0文曲星（InternLM2-20B-WQX）成為本次大模型高考的前三甲，得分率均超過70%。大部分模型“考生”語文、英語科目表現(xiàn)良好，但在數(shù)學(xué)方面還有很大的提升空間。其中，InternLM2-20B-WQX取得了數(shù)學(xué)單科的最高分，超越包括GPT-4o在內(nèi)

原文鏈接：大模型“考生”數(shù)學(xué)全不及格！首個(gè)AI高考全卷評(píng)測(cè)結(jié)果出分