国产港台

在这次测试中，阅卷敦厚们一致觉得，大模子与真东谈主考生仍是存在差距。

网科技讯 7月18日小林あやか最新番号，上海东谈主工智能本质室公布了大模子开源怒放评测体系司南对7个AI大模子进行了高考全科目测试成果。成果闪现：书生·浦语2.0系列文曲星大模子（浦语文曲星）、阿里通义千问大模子Qwen2-72B以及GPT-4o再次包揽文、理科前三甲；前三名AI“考生”的文、理科收获分辨高出了“一册”“二本”线（以本年高考东谈主数最多的河南省的分数线为参考）。

从官方提供的测试成果来看，前三甲“考生”达一册水平，大部分模子未到二本线。其中，阿里通义千问大模子Qwen2-72B以546分的收获赢得AI高考“文科状元”，浦语文曲星则以468.5分红为理科第又名。

在文科收获方面，Qwen2-72B、浦语文曲星、GPT-4o的文科收获均高出“一册线”，展现了大模子在语文、历史、地舆、想想政事等科目上深厚的常识储备和贯穿才气。而在理科收获方面，AI“考生”全体发扬弱于文科，体现了大模子在数理推理才气上无数存在短板。

据悉，本次评测具有几大脾气：

1. 全卷熟识：进行全卷评分，而不单针对单一题型，且包括带图的高考题

呦剐蹭哦

2. 考前开源：评测笼罩的开源模子均为本年高考前开源的模子，排斥泄题的可能性

3. 敦厚打分：邀请有高考阅卷警戒的敦厚打分，国产港台确保评分和高考尽量一致

4. 全齐公开：生成谜底的代码、模子答卷、评分红果全齐开源

在这次测试中，阅卷敦厚们一致觉得，大模子与真东谈主考生仍是存在差距。具体而言，在作答主不雅题时，大模子频频无法竣工贯穿题干，不解白代词指向，成果导致问官答花；解答数学题时，解题经由机械且逻辑性差，关于几何题，常出现与空间逻辑相违抗的臆想；对物理、化学本质贯穿浅显，无法准确识别并诈欺本质器材。

此外，大模子也会伪造臆造内容，编造看似合理但骨子不存在的诗句，或在存在光显筹算失误的情况下之后不反想，“硬着头皮蒙”一个谜底，均给阅卷敦厚带来了困扰。

通过清点AI“考生”的答卷小林あやか最新番号，司南的模子评测团队深切分析了刻下大模子无数存在的问题：反想才气弱、“一册肃肃”臆造内容、穷乏空间假想才气以及对物理、化学本质贯穿浅显。