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335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:
下一篇:13时58分!突变!
相关文章
江苏一家长反映初中地理试卷,出现多个关于华为题目,评论炸了!
综合最近啊,在江苏常州,有位初二学生的家长翻阅孩子带回家的地理卷子,心里头就犯了合计。原来,卷子上头华为的影子特别突出,不光有醒目的华为logo,还有好几个题目围着华为转,问的都是华为总部在哪,经纬度是多 ...
【综合】
阅读更多女性骑行者的隐形伤害:阴唇肿痛
综合许多女性因为阴唇肿胀和疼痛而放弃骑自行车。Caroline Worrall 在 40 岁时迷上骑行,但她逐渐出现阴唇肿痛的问题,严重时甚至要中断骑行长达一个月。十年间她尝试了 30 多个车座,但都没有 ...
【综合】
阅读更多新华社消息|中国代表呼吁国际社会倡导文明对话
综合编辑:畅舒婷 新华社音视频部制作 ...
【综合】
阅读更多