2024-07-19 14:02
國(guó)內(nèi)首次2024全科高考AI測(cè)評(píng)開(kāi)分：阿里通義、GPT-4o等七款大模型參與，文科進(jìn)一本理科進(jìn)二本
AI奇點(diǎn)網(wǎng)7月19日?qǐng)?bào)道丨7月17日，上海人工智能實(shí)驗(yàn)室公布了針對(duì)7款主流 AI 大模型的高考全科目測(cè)試結(jié)果，據(jù)大模型開(kāi)源開(kāi)放評(píng)測(cè)體系“司南”相關(guān)負(fù)責(zé)人介紹，“當(dāng)前大模型仍存在很大的局限性。組織 AI 大模型參加高考，目的是評(píng)測(cè)當(dāng)前大模型的真實(shí)水平，找準(zhǔn)問(wèn)題，持續(xù)推進(jìn)技術(shù)進(jìn)步。”
測(cè)試結(jié)果顯示，書(shū)生·浦語(yǔ) 2.0 系列文曲星大模型（浦語(yǔ)文曲星）、阿里通義千問(wèn)大模型 Qwen2-72B 以及 GPT-4o 再次包攬文、理科前三甲；前三名 AI考生的文、理科成績(jī)分別超過(guò)了河南省高考今年的一本線與二本線。
此次參與“AI全科高考”的大模型，除了書(shū)生·浦語(yǔ) 2.0、阿里通義Qwen2-72B 以及 GPT-4o 之外，還包括來(lái)自零一萬(wàn)物的 Yi-1.5-34B、來(lái)自通義千問(wèn)的 Qwen2-57B、來(lái)自智譜的 GLM-4-9B 和法國(guó) AI 初創(chuàng)公司 Mistral 旗下的 Mixtral 8×22B。
據(jù)介紹，此次評(píng)測(cè)具備如下特征：
在增加綜合科目的基礎(chǔ)上，Qwen2-72B、GPT-4o、浦語(yǔ)文曲星包攬文、理科前三甲。阿里通義千問(wèn)大模型 Qwen2-72B 以 546 分的成績(jī)榮獲 AI 高考“文科狀元”，浦語(yǔ)文曲星則以 468.5 分成為理科第一名，分別超過(guò)了“非開(kāi)源國(guó)際插班生”GPT-4o（文科 531 分，理科 467 分）。同為國(guó)外機(jī)構(gòu)發(fā)布的 Mixtral 8x22B 平均得分最少，弱于國(guó)內(nèi)大模型的高考表現(xiàn)。
參與本次AI高考測(cè)試的閱卷老師們一致認(rèn)為：
大模型與人類考生之間仍然存在明顯的差距，雖然AI對(duì)于基礎(chǔ)知識(shí)的掌握表現(xiàn)出色，但在邏輯推理和知識(shí)靈活應(yīng)用方面，大模型仍然差強(qiáng)人意。具體而言，在作答主觀題時(shí)，大模型往往無(wú)法完整理解題干，不明白代詞指向，結(jié)果導(dǎo)致答非所問(wèn)；解答數(shù)學(xué)題時(shí)，解題過(guò)程機(jī)械且邏輯性差，對(duì)于幾何題，常出現(xiàn)與空間邏輯相違背的推斷；對(duì)物理、化學(xué)實(shí)驗(yàn)理解膚淺，無(wú)法準(zhǔn)確識(shí)別并運(yùn)用實(shí)驗(yàn)器材。
此外，大模型也會(huì)經(jīng)常出現(xiàn)偽造虛構(gòu)內(nèi)容的“AI幻覺(jué)”情況，編造看似合理但實(shí)際不存在的詩(shī)句，或在存在明顯計(jì)算錯(cuò)誤的情況下之后不反思，“硬著頭皮蒙”一個(gè)答案，均給閱卷老師批閱試卷帶來(lái)了困擾。
本次測(cè)評(píng)的完整報(bào)告地址：https://github.com/open-compass/GAOKAO-Eval
相關(guān)文章
雷小軍
Kardashian
