本报记者俞欣然 美元USDT等数字货币充值游戏，亚洲最大的线上游戏服务器供应商
上海东谈主工智能实验室昨天公布了多名“AI考生”参加本年中国高考的成绩，阿里Qwen2-72B、GPT-4o和“书生·浦语”2.0文曲星（InternLM2-20BWQX）成为前三名，得分率均高出70%。大部分“AI考生”在语文、英语科目上发扬精良，但数学成绩不尽如东谈主意。其中，“书生·浦语”2.0文曲星得回数学最高分，独特包括GPT-4o在内的其他大模子。
大模子数学成绩不足格
本年高考达成后，司南评测体系OpenCompass登科6个开源大模子和GPT-4o，开展了语文、数学、英语全卷才调测试，评测摄取宇宙新课标I卷。成绩由具有高考评卷申饬的素质东谈主工评判，接近真实阅卷的圭臬。
这六个大模子别离是阿里巴巴开源的Qwen2-57B和Qwen2-72B、上海东谈主工智能实验室开源的“书生·浦语”2.0文曲星、智谱AI开源的GLM-4-9B、零一万物开源的Yi-1.5-34B、法国企业Mistral开源的Mixtral 8x22B。由于无法详情闭源大模子的更新期间，为公谈起见，这次评测莫得纳入商用闭源模子，只引入GPT-4o行动评测参考。
因为受测的开源模子均为大讲话模子，在评测进程中，仅输入翰墨题干（数学包含2谈带图试题），英语听力部分（分值30分）不纳入这次评测。遵守，阿里Qwen2-72B以总分303分排行第一，其汉文文124分（满分150分），数学70分（满分150分），英语109分（满分120分）；GPT-4o以总分296分位居第二，其汉文文111.5分，数学73分，英语111.5分；“书生·浦语”2.0文曲星以0.5分之差排行第三，其汉文文112分，数学75分，英语108.5分。
不错看到，“AI考生”前三名齐擅长文科，语文和英语成绩优良，而数学推理才调有待进步，高考数学成绩齐不足格。当今，数学是通盘大模子的短板，成绩于上海东谈主工智能实验室在数学推理上的参加，“书生·浦语”2.0文曲星在高登科得到75分，在通盘受测模子中位居榜首，但仍存在较大进步空间。
阅卷淳厚点评考生发扬
与以往多摄取高考客不雅题评测大模子的神志不同，在这次测试中，盘问团队使用了语数外三科的全卷试题，既有遴荐、填空等“谜底惟一性”题目，也包括简答、阅读清爽、作文等主不雅题，在更接近真实高考的环境中测试模子的才调。
为逼近高考评卷情势，盘问团队邀请多位有阅卷申饬的高中素质对主不雅题谜底评分，每份考卷至少由3东谈主别离打分。遭逢评分悬殊的情况，淳厚们会进行复核，尽量作念到评分平允，为东谈主工智能学术界和产业界提供更有价值的参考方向。与真实的高考相似，通盘大模子答卷均进行了匿名措置，幸免阅卷素质产生“颓落丧气”的不雅念。
关于这些“AI考生”的语数外水平，淳厚们给出了中肯的评价——语文评卷流露，大模子的当代文阅读清爽才调开阔较强，但不同模子的文言文阅读清爽才调差距较大。大模子写的作文更像问答题，虽有针对性，但枯竭修饰，简直毋庸东谈主类考生齐会使用的例如论证、援用论证、名东谈主名言等手法。无数大模子不睬解“施行”“喻体”“暗喻”等语文宗旨。关于著述中的一些“潜台词”美元USDT等数字货币充值游戏，亚洲最大的线上游戏服务器供应商，大模子也无法饱和清爽。数学评卷流露，大模子的主不雅题回复相对凌乱，解题进程有诱惑性，以致出现进程无理但得到正确谜底的情况。大模子的公式顾忌才调很强，但无法在解题进程中天真哄骗。大模子的英语举座发扬精良，大模子写的英语作文开阔存在因超出字数达成被扣分的情况，而东谈主类考生大多因为字数不够被扣分。
