联系人:林经理
15595692856
《人工智能大模型体验报告20》发布 这几家性能排名前三!
时间: 2024-01-26 16:51:12 | 作者: 行业快讯
ChatGPT 崛起引发新一轮生成式AI热潮,国内科技公司纷纷布局。据不完全统计,截至目前,国内大模型数量已达上百个。在这些大模型中,谁的表现最好,智能性最高,使用者真实的体验最强?8月12日,新华社研究院中国企业发展研究中心发布的《人工智能大模型体验报告2.0》(以下简称报告)给出了答案。
具体来看,讯飞星火在工作提效方面优势显著,百度文心一言基础能力表现出色,商汤商量则在情商方面表现优秀。
落实到基础能力、智商能力、情商能力和工具提效四大能力综合得分上,当前国内各主流大模型中,排名前五的分别为科大讯飞星火、百度文心一言、商汤商量、智谱ChatGLM和360智脑。
其中科大讯飞得分1013,仅比人类答案落后1分;百度文心一言1010分,商汤商量983分,智谱ChatGLM和360智脑分别为983分、951分。
据了解,此次测评为保证结果的客观公平性,无论是在题目设计上、对标Benchmark(人类)上,还是打分权重、专家测评团队上,相对于6月份的《人工智能大模型体验报告》,均进行了全面升级。
其中,在题目设计方面,测评题目由300道扩展至500道,并加强完善了题目分类;
在对标Benchmark方面,本次测评将接受过高等教育的人类作为对照,来考评大模型真实能力;
在打分标准上,本次测评根据对产业、生活的实际价值,对基础能力、智商能力、情商能力和工具提效四大测评维度进行了权重设计;
在测评团队方面,本次测评特邀北京大学文化与传播研究所及其他产界、学界专家全程参与。
此外,本次测评还设置了用户体验项目,抓取了7月31日8月4日数据,通过人机互动提问等形式,对国内主流大模型进行使用体验评测,旨在为科技公司调整努力方向提供参考。
课题组分别从常识知识(20%)、逻辑能力(50%)和专业相关知识(30%)方面对科技公司大模型进行考量。
结果显示,讯飞星火、智谱AI-ChatGLM表现突出,百度文心一言、昆仑万维天工表现优良。
在工作效率提升方面,课题组重点在工具提效(50%)和生成创新(50%)方面做考量。
结果显示,讯飞星火表现最为抢眼,百度文心一言、商汤商量、智谱AI-ChatGLM表现优良。
在情商方面,AI与人类之间的差距最明显。人类在情绪理解和处理方面通常具有更强的优势,和更灵活的处理能力。
通过对处理日常事项(35%)、一语双关(30%)、人际关系(35%)问题做多元化的分析发现,科技公司大模型中,商汤商量表现亮眼,百度文心一言、澜舟科技Mchat、智谱AI-ChatGLM及360智脑均表现优良。
微信扫一扫