国产精品99久久99久久久看片,国产欧美三级,91综合久久久久婷婷,91大神在线观看视频,狠狠色网站,亚洲国产成人资源在线软件,午夜色站

分享到:
 
 
當前位置: 首頁>>社會頻道>>社會>>正文
AI參加高考,為何偏科嚴重
2024年07月05日 08時48分   科技日報

大模型參加高考,能考多少分?近日,科技創(chuàng)新交流平臺極客公園發(fā)布高考新課標Ⅰ卷大模型評測報告,在參試大模型中,GPT-4o以562分的成績排名文科第一。參加評測的8款國產(chǎn)大模型中,字節(jié)跳動旗下的豆包成績是542.5分,其后依次是百度文心一言4.0的537.5分和百川智能“百小應”的521分。本次大模型高考評測與河南省考卷完全相同,以上3款國產(chǎn)大模型均超過河南文科一本線521分。GPT-4o的562分在河南文科考生中可排名8811名,相當于前2.45%;豆包處于前4.27%,接近頂尖大模型的水平。

文綜評測中,GPT-4o獲237分,優(yōu)于多數(shù)人類考生。國產(chǎn)大模型中,豆包文綜成績最高,得分224.5分,其中歷史達到82.5分,在所有9款大模型中排第一。地理考卷有大量圖片考題,圖像理解能力較強的GPT-4o得到最高分,但僅有68分。

語文、英語評測中,多家大模型在客觀題上拿滿分。但寫作文是弱項。多次參加全國高考語文閱卷的北京市級骨干教師、懷柔區(qū)語文學科帶頭人夏老師是本次評測的作文閱卷人。她認為,“AI作文有清晰完整的結(jié)構(gòu),有邏輯性,語言通順流暢,但缺乏感情和感染力”。同理,在40分的英語寫作考試中,大模型的最高分只有29分,主要丟分在表達空泛、缺少細節(jié)上。

值得注意的是,大模型高考呈現(xiàn)出嚴重的偏科現(xiàn)象:數(shù)學、物理、化學等數(shù)理學科全線不及格,總分最高分不到480。而河南理科一本線是511分。最頂尖的大模型無法進入理科考生的前30%。

數(shù)學評測中,僅GPT-4o、文心一言4.0和豆包獲得60分以上成績(滿分150分)。大模型能準確運用求導公式和三角函數(shù)定理,但面對較為復雜的推導和證明問題就很難得分。物理有一道送分的選擇題,人類考生根據(jù)“時間不會倒流”可以輕易選對答案,大模型則全軍覆沒。

“目前的大語言模型本質(zhì)上是文字接龍,基于海量資料,預測下一個最可能出現(xiàn)的詞句。通過不斷預測,生成連貫和完整的文本。應對文科考試,大模型的用詞不準或用了近義詞,不太影響評分。但理科考試考驗推理和計算,比如一道題有五步推理,大模型走偏一步,答案就全錯。而且大模型的訓練數(shù)據(jù)中,文科語料要遠遠大于理科語料?!眹鴥?nèi)一位大模型研發(fā)專家告訴科技日報記者。

近期,有一些國內(nèi)外大模型在奧數(shù)題評測(非奧數(shù)現(xiàn)場比賽)上拿到不錯的成績。對此,該專家解釋,用大家都訓練過的公開數(shù)據(jù)集評測,大模型的準確率很高;但用比較新的數(shù)據(jù)集去測試,準確率就大大下降。最新的高考題是哪家大模型都沒有訓練過的,考驗的是數(shù)學推理和計算的泛化能力,這就暴露了大模型的短板。

北京大學計算語言學研究所教授穗志方近日也表示,大模型在中國高考、公務員考試和美國SAT考試等標準化考試中的表現(xiàn)是優(yōu)劣兼具的。一些大模型在SAT數(shù)學測試中表現(xiàn)優(yōu)異,但在復雜推理或特定知識領(lǐng)域中的表現(xiàn)不夠出色。

“在大模型內(nèi)在機理沒有探究清楚的情況下,我們目前的評測路徑只能依靠從外部表現(xiàn)來推測內(nèi)在能力?!彼胫痉秸f,未來應發(fā)展更系統(tǒng)的評測大綱、更具挑戰(zhàn)的評測任務、更科學的評測方法。AI是否比人類更適合考試?尚未可定論。

(責任編輯:梁艷)

關(guān)閉窗口

    主辦單位:忻州日報社 晉ICP10003702 晉新網(wǎng)備案證編號:14083039 晉公網(wǎng)安備 14090202000008號

    律師提示:本網(wǎng)站所刊登的各種信息,均為忻州在線版權(quán)所有,未經(jīng)協(xié)議授權(quán),禁止下載使用,凡不注明出處的將追究法律責任。

    地址:山西省忻州市長征西街31號 熱線:0350-3336505 電子郵箱:sxxzrbw@163.com