内地首个AI高考评测 数学全不及格
[探索] 时间:2024-07-01 21:11:56 来源:武汉同城约会男女交友网 作者:综合 点击:52次
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。”
(责任编辑:探索)
相关内容
- 波音“星际客机”麻烦不断
- 闹大了!游客因对着城管拍照被抢手机,发生冲突,成都文旅要忙了
- 端午别称 花样繁多
- 6月12日下午,突然发生一个重大消息!要产生重大影响吗?
- 中超最新积分战报:申花补时绝杀,亚泰轰5球,山东泰山被打爆
- 大瓜要来了?葛斯齐深夜发声:破案!
- 性生活时,为何轻柔触摸乳房更为关键?
- 6月12日赛程:中国女排休战,日本女排有望3
- 宝马崩盘式降价,寒了无数中产男人的心。
- 暨南大学文化遗产周 港生体验舞麒麟
- 注入活力/内地餐饮“组团南下” 带旺香港市场
- 这个“全球最大”建成,将显著提升我国山地灾害防控水平
- 民主党金主游说第一夫人 劝拜登退选
- 史诗级更新上热搜:iPhone录音会通知对方引热议 苹果回应了