首页 > 资讯

Baichuan再次登上国内大模型综合评分榜首,知识百科能力超越GPT-4-Turbo

资讯 百川大模型 零壹财经 2024-04-30 阅读:20343

关键词:Baichuan大模型

Baichuan 3在国内大模型中排名第一,超越文心一言4.0、通义千问2、GLM-4等。
图源:百川智能

4月30日,国内权威大模型评测机构SuperCLUE发布了《中文大模型基准测评2024年度4月报告》,报告选取国内外具有代表性的32个大模型4月份的版本,通过多维度综合性测评,对国内外大模型发展现状进行观察与思考。

报告显示,
Baichuan 3在国内大模型中排名第一,以总分73.32的优异成绩超越文心一言4.0、通义千问2.1、GLM-4、Moonshot等大模型。


SuperCLUE是国内权威的通用大模型综合性测评基准,其前身是第三方中文语言理解测评基准CLUE(The Chinese Language Understanding Evaluation),致力于科学、客观、中立评测的CLUE自2019年成立起,陆续推出了CLUE、FewCLUE、KgCLUE、DataCLUE等广为引用的测评基准。在CLUE的基础上,SuperCLUE依托多年测评经验,基于通用大模型在学术、产业与用户侧的广泛应用,构建了多层次、多维度的综合性大模型测评基准。

不同于传统测评通过选择题形式的测评,SuperCLUE纳入了开放主观问题的测评。通过多维度多视角多层次的评测体系以及对话的形式,模拟大模型应用场景,真实有效的考察模型生成能力。同时,SuperCLUE通过构建多轮对话场景,更深层次考察大模型在真实多轮对话场景的应用效果,对大模型的上下文、记忆、对话能力全方位评测。

为更真实反映大模型通用能力,SuperCLUE本次测评由十大基础任务组成,包括逻辑推理、代码、语言理解、长文本、角色扮演等,题目为多轮开放式简答题。评测集共2194题。

测试结果显示,Baichuan3的文科、理科能力均衡。在知识百科能力上Baichuan 3以82分的成绩超越了GPT-4-Turbo,在所有32个参与评测的国内外大模型中排名第一。而在代表了大模型智力的“逻辑推理”能力上,Baichuan3以68.60的成绩超越Claude3-Opus,也力压一众国内大模型拔得头筹。

此外,在计算、代码、工具使用能力上,Baichuan 3表现同样不俗,均排名国内前三。


在评测国内外模型通用能力和专项能力的基础上,SuperCLUE还对国内模型发展现状及竞争格局进行了分析和研判。SuperCLUE认为,Baichuan 3可应用的场景相对广泛,尤其在专业技能类的任务上表现优异,重点推荐数学推理、数据分析、信息处理、智能客服/语音助手以及任务拆解规划等场景。另外,Baichuan 3还可以在相对复杂的行业场景中落地,可应用于教育、医疗、金融等垂直行业。

完整评测报告见:
https://www.cluebenchmarks.com/superclue_2404


零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

上一篇>智慧芽全球知产调研报告:六成企业期待生成式AI焕新知产与研发工作

下一篇>银登中心:个贷不良转让增长4.5倍,信用卡和消费金融增速惊人



相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

第四届中国零售金融发展峰会(共15篇)


资讯排行

  • 48h
  • 7天



耗时 165ms