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。”
- ·湖南84岁老人参加高考,考完给自己估分630,结果一查分数傻眼了
- ·奥运倒计时不足一月 巴黎面临艰巨挑战
- ·再现学术妲己?西安某校毕业典礼学生代表李某某,疑论文为导师所写
- ·高云翔阿那亚被偶遇,发福发腮皱纹明显,疑带二胎儿出门旅游!
- ·6月27日俄乌最新:朝鲜出兵
- ·卫生/塞纳河污染严重 铁人三项或变两项
- ·“从大山走出的孩子”:宜宾男生高考理科676分,家住深山父亲挖煤养家
- ·退休后最好的活法,不是聚会,不是跳舞,不是串门,而是…
- ·网传桂林一群众怒斥领导!洪水来时没见到人,洪水退了来装模作样
- ·联“湾”成“圈” 粤港澳大湾区深度融合再“加码”
- ·亚马逊(中国)招人!外企,月薪30k,含非技术岗,额外带薪假!
- ·刚刚A股突发大消息,有个让人异常兴奋,2亿股民将彻夜难眠!
- ·织密古建老宅防护网 江苏按察使署旧址获赠不可移动文物保险
- ·最大奇迹!排名比国足高14位的欧洲杯最弱队赢葡萄牙,让C罗急眼
- ·曝中石化一副总出轨人妻,当事人照片流出,败露后辱骂女子老公
- ·卫生/塞纳河污染严重 铁人三项或变两项