豆包大模型披露評測成績，較上一代“云雀”提升19%

近日，豆包大模型在火山引擎原動力大會上正式發(fā)布。以超低價格掀起大模型降價潮的同時，豆包的模型能力也引發(fā)行業(yè)關(guān)注。

在火山引擎的一份產(chǎn)品資料中，豆包模型團隊公布了一期內(nèi)部測試結(jié)果：在 MMLU、BBH、GSM8K、HumanEval等11個業(yè)界主流的公開評測集上，Doubao-pro-4k的總分為76.8分，相比上一代模型云雀Skylark2的64.5分提升了19%，也優(yōu)于同期測試的其他國產(chǎn)模型。

此次評測在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2在內(nèi)的九款國產(chǎn)大語言模型。除了云雀Skylark2 以外，其他模型均為各家廠商最新發(fā)布的高級版本，通過API調(diào)用進行測試。

圖：豆包模型團隊內(nèi)部測試結(jié)果

評測結(jié)果顯示，在評估代碼能力的兩個評測集 HumanEval和 MBPP上，豆包相比上一代模型提升了50%左右；在專業(yè)知識和指令遵循的評測集上，豆包分別獲得33%和24%的性能提升，同時也是得分最高的國產(chǎn)模型。

此外，豆包模型在數(shù)學能力、語言理解能力，以及綜合評測集 CMMLU和 CEval的評測上也有不錯的表現(xiàn)，得分排在前三。綜合11個公開評測集上的測試成績，豆包通用模型-pro的總分為76.8分。根據(jù)OpenAI公布的測試成績，GPT-4在這些評測集上的總分為80.1分，相比國產(chǎn)模型仍有一定領(lǐng)先優(yōu)勢。

據(jù)悉，豆包模型在5月15日剛剛推出，尚未加入到第三方機構(gòu)測試中。預計未來一到兩個月內(nèi)，很多第三方評測機構(gòu)將會陸續(xù)披露該模型的評測結(jié)果。與模型同名的AI對話助手“豆包”，官方公布的月活用戶數(shù)已經(jīng)達到2600萬，用戶可以自由體驗測試。

此前，智源研究院公布了覆蓋全球91個語言模型的評測報告。在偏重考察中文能力的主觀評測中，云雀Skylark2排名第一，中文能力超過 GPT-4。

圖：智源研究院語言模型評測結(jié)果（模型為4月20日之前的版本）

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。