百度称文心大模型3.5版多项评测超越ChatGPT

百度称文心大模型3.5版多项评测超越ChatGPT中国互联网巨头百度称，百度所开发的AI产品“文心一言”在多项关键评测超越由微软旗下OpenAI所开发的ChatGPT。据路透社报道，百度星期二（6月27日）在一份声明中说，文心大模型3.5版在几个中文能力评测的表现比GPT-4优秀，而且综合能力的评测超越了ChatGPT，但稍逊于GPT-4。上述评测是在AGIEval、C-Eval和MMLU三个评测基准上进行综合评估。百度称，评测结果显示，文心大模型3.5版具有更好的训练和推理效率，这使文心一言未来能以更快、成本更低的方式进行迭代。据新浪科技引述知情人士报道，除了文心大模型3.5，评测的模型还有ChatGPT、GPT-4、ChatGLM、LLaMa系列大模型。上述结果也意味着，文心大模型3.5目前领先于其他开源大模型。

零一万物创始人兼CEO李开复今日发布千亿参数Yi-Large闭源模型。李开复透露，闭源大模型Yi-Large评测超越ChatGP

零一万物创始人兼CEO李开复今日发布千亿参数Yi-Large闭源模型。李开复透露，闭源大模型Yi-Large评测超越ChatGPT4。当被问及大模型爆发是否会带来中国创业公司的大规模洗牌时，李开复向《每日经济新闻》记者表示，现在对中国大模型创业公司的盖棺定论为时过早，中国的创业者永远超出想象力。李开复同时表示，ofo式的补贴逻辑不再适用于AI2.0，希望大模型赛道的竞争聚焦于达成TC-PMF（产品市场匹配）。（每经）

豆包大模型披露评测成绩，较上一代 “云雀” 提升 19%

豆包大模型披露评测成绩，较上一代“云雀”提升19%在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集上，Doubao-pro-4k的总分为76.8分，相比上一代模型云雀Skylark2的64.5分提升了19%，也优于同期测试的其他国产模型。此次评测在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2在内的九款国产大语言模型。除了云雀Skylark2以外，其他模型均为各家厂商最新发布的高级版本，通过API调用进行测试。据悉，豆包模型在5月15日刚刚推出，尚未加入到第三方机构测试中。预计未来一到两个月内，很多第三方评测机构将会陆续披露该模型的评测结果。（全天候科技）

全天候科技获悉，在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在MMLU、BBH、GSM8K、HumanEva

全天候科技获悉，在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集上，Doubao-pro-4k的总分为76.8分，相比上一代模型云雀Skylark2的64.5分提升了19%，也优于同期测试的其他国产模型。此次评测在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2在内的九款国产大语言模型。除了云雀Skylark2以外，其他模型均为各家厂商最新发布的高级版本，通过API调用进行测试。据悉，豆包模型在5月15日刚刚推出，尚未加入到第三方机构测试中。预计未来一到两个月内，很多第三方评测机构将会陆续披露该模型的评测结果。

清华大模型报告：文心一言中文理解、数学等多项能力全球第一

清华大模型报告：文心一言中文理解、数学等多项能力全球第一最近，由清华大学基础模型研究中心联合中关村实验室研制的SuperBench大模型综合能力评测框架，正式对外发布2024年3月版《SuperBench大模型综合能力评测报告》。评测共包含了14个海内外具有代表性的模型，在人类对齐能力评测中，文心一言4.0表现位居国内第一，其中在中文推理、中文语言等评测上，文心一言分数领先，和其他模型拉开明显差距，中文理解上，文心一言4.0领先优势明显，领先第二名GLM-40.41分，GPT-4系列模型表现较差，排在中下游，并且和第一名文心一言4.0分差超过1分。在语义理解中的数学能力上，文心一言4.0与Claude-3并列全球第一；GPT-4系列模型位列第四五，其他模型得分在55分附近较为集中，明显落后第一梯队；而在语义理解中的阅读理解能力上，文心一言4.0超过GPT-4Turbo、Claude-3以及GLM-4拿下榜首。在安全性评测上，国内模型文心一言4.0拿下最高分（89.1分），Claude-3仅列第四。来源：财经慢报频道

华尔街见闻获悉，在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在 MMLU、BBH、GSM8K、HumanEv

华尔街见闻获悉，在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集上，Doubao-pro-4k的总分为76.8分，相比上一代模型云雀Skylark2的64.5分提升了19%，也优于同期测试的其他国产模型。此次评测在今年5月完成，主要包括豆包通用模型-pro、云雀Skylark2在内的九款国产大语言模型。除了云雀Skylark2以外，其他模型均为各家厂商最新发布的高级版本，通过API调用进行测试。据悉，豆包模型在5月15日刚刚推出，尚未加入到第三方机构测试中。预计未来一到两个月内，很多第三方评测机构将会陆续披露该模型的评测结果。（全天候科技）