您现在的位置是:综合 >>正文
内地首个AI高考评测 数学全不及格
综合8189人已围观
简介 图:AI得分情况。 【大公报讯】据第一财经报道:高考这一高难度综合性测试,目前普遍被研究者用于考察大模型的智能水平。在前不久高考结束后,上海人工智能实验室旗下司南评测体系OpenCompass选 ...
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。”
Tags:
相关文章
央妈“排查”结果:我国可以一次性拿出50万元的家庭,超乎想象?
综合在当今社会,人们常常提倡一种相互尊重的生活理念,其中包括不过多询问他人的工资与存款情况,因为这涉及到个人隐私及经济安全领域。然而,这一话题背后的社会现实是不容忽视的——家庭的存款能力确实存在显著差异, ...
【综合】
阅读更多漂亮JK,无敌长腿,爱了!
综合popman3580是日本的一位人气画师,画风可爱,经常画各种着装与打扮的少女,办过个人画展、出过画集。绘画风格简明轻快,在角色设计上有很强的设计感,近期还担任了动画工房创立50周年纪念作的4月新番《 ...
【综合】
阅读更多转弯半径相差7倍,福建舰要3.4公里,里根号仅需500米
综合距离首次海试结束不过10多天,福建舰就一路北上航行近千里,抵达黄海开始第二次海试。速度快到大家还没反应过来,毕竟再好的设计多少都会存在一定问题,海试回来之后肯定要维修保养一下。如果按照目前这种进度,只 ...
【综合】
阅读更多