大模型参加高考，能考多少分？近日，科技创新交流平台极客公园发布高考新课标Ⅰ卷大模型评测报告，在参试大模型中，GPT-4o以562分的成绩排名文科第一。参加评测的8款国产大模型中，字节跳动旗下的豆包成绩是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“百小应”的521分。本次大模型高考评测与河南省考卷完全相同，以上3款国产大模型均超过河南文科一本线521分。GPT-4o的562分在河南文科考生中可排名8811名，相当于前2.45%；豆包处于前4.27%，接近顶尖大模型的水平。
文综评测中，GPT-4o获237分，优于多数人类考生。国产大模型中，豆包文综成绩最高，得分224.5分，其中历史达到82.5分，在所有9款大模型中排第一。地理考卷有大量图片考题，图像理解能力较强的GPT-4o得到最高分，但仅有68分。
语文、英语评测中，多家大模型在客观题上拿满分。但写作文是弱项。多次参加全国高考语文阅卷的北京市级骨干教师、怀柔区语文学科带头人夏老师是本次评测的作文阅卷人。她认为，“AI作文有清晰完整的结构，有逻辑性，语言通顺流畅，但缺乏感情和感染力”。同理，在40分的英语写作考试中，大模型的最高分只有29分，主要丢分在表达空泛、缺少细节上。
值得注意的是，大模型高考呈现出严重的偏科现象：数学、物理、化学等数理学科全线不及格，总分最高分不到480。而河南理科一本线是511分。最顶尖的大模型无法进入理科考生的前30%。
数学评测中，仅GPT-4o、文心一言4.0和豆包获得60分以上成绩（满分150分）。大模型能准确运用求导公式和三角函数定理，但面对较为复杂的推导和证明问题就很难得分。物理有一道送分的选择题，人类考生根据“时间不会倒流”可以轻易选对答案，大模型则全军覆没。
“目前的大语言模型本质上是文字接龙，基于海量资料，预测下一个最可能出现的词句。通过不断预测，生成连贯和完整的文本。应对文科考试，大模型的用词不准或用了近义词，不太影响评分。但理科考试考验推理和计算，比如一道题有五步推理，大模型走偏一步，答案就全错。而且大模型的训练数据中，文科语料要远远大于理科语料。”国内一位大模型研发专家告诉科技日报记者。
近期，有一些国内外大模型在奥数题评测（非奥数现场比赛）上拿到不错的成绩。对此，该专家解释，用大家都训练过的公开数据集评测，大模型的准确率很高；但用比较新的数据集去测试，准确率就大大下降。最新的高考题是哪家大模型都没有训练过的，考验的是数学推理和计算的泛化能力，这就暴露了大模型的短板。
北京大学计算语言学研究所教授穗志方近日也表示，大模型在中国高考、公务员考试和美国SAT考试等标准化考试中的表现是优劣兼具的。一些大模型在SAT数学测试中表现优异，但在复杂推理或特定知识领域中的表现不够出色。
“在大模型内在机理没有探究清楚的情况下，我们目前的评测路径只能依靠从外部表现来推测内在能力。”穗志方说，未来应发展更系统的评测大纲、更具挑战的评测任务、更科学的评测方法。AI是否比人类更适合考试？尚未可定论。
大模型参加高考，能考多少分？近日，科技创新交流平台极客公园发布高考新课标Ⅰ卷大模型评测报告，在参试大模型中，GPT-4o以562分的成绩排名文科第一。参加评测的8款国产大模型中，字节跳动旗下的豆包成绩是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“百小应”的521分。本次大模型高考评测与河南省考卷完全相同，以上3款国产大模型均超过河南文科一本线521分。GPT-4o的562分在河南文科考生中可排名8811名，相当于前2.45%；豆包处于前4.27%，接近顶尖大模型的水平。
文综评测中，GPT-4o获237分，优于多数人类考生。国产大模型中，豆包文综成绩最高，得分224.5分，其中历史达到82.5分，在所有9款大模型中排第一。地理考卷有大量图片考题，图像理解能力较强的GPT-4o得到最高分，但仅有68分。
语文、英语评测中，多家大模型在客观题上拿满分。但写作文是弱项。多次参加全国高考语文阅卷的北京市级骨干教师、怀柔区语文学科带头人夏老师是本次评测的作文阅卷人。她认为，“AI作文有清晰完整的结构，有逻辑性，语言通顺流畅，但缺乏感情和感染力”。同理，在40分的英语写作考试中，大模型的最高分只有29分，主要丢分在表达空泛、缺少细节上。
值得注意的是，大模型高考呈现出严重的偏科现象：数学、物理、化学等数理学科全线不及格，总分最高分不到480。而河南理科一本线是511分。最顶尖的大模型无法进入理科考生的前30%。
数学评测中，仅GPT-4o、文心一言4.0和豆包获得60分以上成绩（满分150分）。大模型能准确运用求导公式和三角函数定理，但面对较为复杂的推导和证明问题就很难得分。物理有一道送分的选择题，人类考生根据“时间不会倒流”可以轻易选对答案，大模型则全军覆没。
“目前的大语言模型本质上是文字接龙，基于海量资料，预测下一个最可能出现的词句。通过不断预测，生成连贯和完整的文本。应对文科考试，大模型的用词不准或用了近义词，不太影响评分。但理科考试考验推理和计算，比如一道题有五步推理，大模型走偏一步，答案就全错。而且大模型的训练数据中，文科语料要远远大于理科语料。”国内一位大模型研发专家告诉科技日报记者。
近期，有一些国内外大模型在奥数题评测（非奥数现场比赛）上拿到不错的成绩。对此，该专家解释，用大家都训练过的公开数据集评测，大模型的准确率很高；但用比较新的数据集去测试，准确率就大大下降。最新的高考题是哪家大模型都没有训练过的，考验的是数学推理和计算的泛化能力，这就暴露了大模型的短板。
北京大学计算语言学研究所教授穗志方近日也表示，大模型在中国高考、公务员考试和美国SAT考试等标准化考试中的表现是优劣兼具的。一些大模型在SAT数学测试中表现优异，但在复杂推理或特定知识领域中的表现不够出色。
“在大模型内在机理没有探究清楚的情况下，我们目前的评测路径只能依靠从外部表现来推测内在能力。”穗志方说，未来应发展更系统的评测大纲、更具挑战的评测任务、更科学的评测方法。AI是否比人类更适合考试？尚未可定论。
国际天文学家团队绘制了迄今最大的三维宇宙地图，记录了大约130万个活跃类星体在空间和时间上的位置。它将成为探测类星体、暗物质晕和超大质量黑洞的强大工具。发表在最新一期《天体物理学杂 记者19日从西北大学获悉，该校地质学系、大陆动力学国家重点实验室刘鹏副教授与中国地质大学（北京）李国武教授团队申请的两种新矿物，近日经国际矿物学学会新矿物命名与分类专业委员会审查、投票，均 记者3月20日从中国科学技术大学获悉，该校郭光灿院士团队在量子态分辨研究中取得重要进展。研究组在最小资源消耗的量子态分辨问题中首次提出了全局最优自适应策略，并发展了自适应集体测量实验 3月18日，记者从中南大学生殖与干细胞研究所获悉，研究所林戈、卢光琇教授团队提出的一项新理论称，原始生殖细胞的性染色体组成在人类性别决定中起关键作用。相关论文日前发表于国际生殖领域杂志 21世纪经济报道记者王峰北京报道 近日，成人职业在线教育企业尚德机构(NYSE:STG)公布了其2023年第四季度及全年未经审计的财务报告。2023年第四季度，尚德机构净收入为5.42亿元（人民币，下 3月23日20时30分许，内蒙古自治区鄂尔多斯市，约200米的高楼、磐石造型博物馆、书籍外形图书馆等主要地标建筑纷纷关闭灯光，人们在静下来的城市里感受地球的呼吸与脉动。今年“地球一小时”中国 。本文链接：AI参加高考，为何偏科严重http://www.sushuapos.com/show-2-7360-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 做强小种子 实现大丰收
下一篇： 国内首条正穿冰川公路隧道掘进机始发