首个AI高考全卷评测结果出分，大模型“考生”表现如何？

扫把捕虫

·大部分大模型“考生”语文、英语科目表现良好，但在数学方面还有待加强。阅卷老师点评，在语文科目上，对于语言中的一些“潜台词”，大模型尚无法完全理解。在数学科目上，大模型的主观题回答相对凌乱，且过程具有迷惑性。


6月19日，首个大模型高考全卷评测结果公布。2024年全国高考结束后，大模型开源开放评测体系——司南评测体系（OpenCompass）选取了6个开源模型包括GPT-4o，针对高考全国新课标I卷“语数外”三门课程展开全卷能力测试。
评测结果显示，阿里巴巴开源的Qwen2系列MoE对话模型（Qwen2-72B）、GPT-4o及书生·浦语2.0文曲星（InternLM2-20B-WQX）成为本次大模型高考的前三甲，在语、数、英三门课程中得分均超过70分。大部分模型“考生”语文、英语科目表现良好，但在数学方面还有很大的提升空间。其中，书生·浦语2.0文曲星（InternLM2-20B-WQX）取得了数学单科的最高分，超越包括GPT-4o在内的所有模型。

嘟嘟的芒果

看准确率了