國(guó)內(nèi)“千模大戰(zhàn)”下，誰(shuí)是最聰明的大模型？《麻省理工科技評(píng)論》中國(guó)最新發(fā)布的大模型評(píng)測(cè)報(bào)告給出了答案。
報(bào)告顯示，在8個(gè)一級(jí)大類(lèi)的600道題目的測(cè)試和盲評(píng)中，訊飛星火認(rèn)知大模型V2.0在6個(gè)大類(lèi)中得分率排名第一，在此次評(píng)測(cè)中表現(xiàn)突出，以 81.5 分（百分制計(jì)）的成績(jī)?cè)诒敬卧u(píng)測(cè)中登頂，榮獲“最聰明”的國(guó)產(chǎn)大模型稱(chēng)號(hào)。
圖：大模型評(píng)測(cè)綜合得分率
圖：4個(gè)大模型各項(xiàng)能力雷達(dá)圖
《麻省理工科技評(píng)論》中國(guó)從研發(fā)和商業(yè)化能力、外界態(tài)度以及發(fā)展趨勢(shì)等維度全方位檢測(cè)大模型的能力，力圖評(píng)出“最聰明”的國(guó)產(chǎn)大模型。選取了“訊飛星火”、“百度文心一言”、“商湯商量”、“阿里通義千問(wèn)”作為中文大模型平臺(tái)的代表，展開(kāi)系統(tǒng)、科學(xué)的評(píng)測(cè)。
本次評(píng)測(cè)使用的測(cè)試集包含600道題目，覆蓋了語(yǔ)言專(zhuān)項(xiàng)、數(shù)學(xué)專(zhuān)項(xiàng)、理科綜合、文科綜合、邏輯思維、編程能力、綜合知識(shí)、安全性共 8 個(gè)一級(jí)大類(lèi)，126 個(gè)二級(jí)分類(lèi)，290 個(gè)三級(jí)標(biāo)簽，并針對(duì)問(wèn)題的豐富性和多樣性做了優(yōu)化。
在題目類(lèi)型上，為了兼顧定量、定性的評(píng)價(jià)與測(cè)試，設(shè)置了“單選”、“多選”、“填空”、“簡(jiǎn)答”4個(gè)題型，分別有 145 道、138 道、136 道和 181 道。大模型評(píng)測(cè)體系使用盲評(píng)方式，客觀評(píng)估國(guó)產(chǎn)大模型的聰明程度。
作為“最聰明”的大模型的基礎(chǔ)能力，語(yǔ)言專(zhuān)項(xiàng)評(píng)測(cè)包含對(duì)話理解、多語(yǔ)種、諷刺、古詩(shī)詞理解、文本生成、要點(diǎn)總結(jié)、情感分析、語(yǔ)義判斷等 61 個(gè)二級(jí)分類(lèi)，題型則以簡(jiǎn)答為主。結(jié)果顯示，訊飛星火 85.73%的得分率排名第一，明顯高于平均值。
圖：語(yǔ)言專(zhuān)項(xiàng)評(píng)測(cè)得分率
數(shù)學(xué)專(zhuān)項(xiàng)評(píng)測(cè)，是“最聰明”大模型必不可少的評(píng)測(cè)維度。本次評(píng)測(cè)包含代數(shù)、幾何、解方程、復(fù)雜數(shù)學(xué)、統(tǒng)計(jì)學(xué)等 9 個(gè)二級(jí)分類(lèi)，以選擇題為主。
其中，訊飛星火以 77.75% 的得分率名列第一，遠(yuǎn)高于平均得分率 56%，其他平臺(tái)得分率基本相當(dāng)。報(bào)告稱(chēng)，在大模型普遍“數(shù)學(xué)不好”的情況下，訊飛星火這一成績(jī)頗為難得，其在數(shù)學(xué)專(zhuān)項(xiàng)上的領(lǐng)先同樣體現(xiàn)在二級(jí)分類(lèi)的評(píng)分結(jié)果上，在 77.8%的二級(jí)分類(lèi)中得分率第一，遠(yuǎn)超其他平臺(tái)，初步判斷其擅長(zhǎng)幾何與情景應(yīng)用。
圖：數(shù)學(xué)專(zhuān)項(xiàng)評(píng)測(cè)得分率
作為體現(xiàn)大模型“聰明程度”不可或缺的“硬核”部分，理科綜合評(píng)測(cè)包含表格問(wèn)答、化學(xué)、生物、物理、醫(yī)學(xué) 5 個(gè)二級(jí)分類(lèi)，題型上以單選和簡(jiǎn)答為主。
評(píng)測(cè)結(jié)果中，訊飛星火 78.50% 的得分率排名第一。另外，訊飛星火在理科綜合大類(lèi)下 80% 的二級(jí)分類(lèi)評(píng)測(cè)中得分率為第一，化學(xué)與生物較為突出。
圖：理科綜合評(píng)測(cè)得分率
邏輯思維也是“最聰明”大模型的重要體現(xiàn)，本次邏輯思維評(píng)測(cè)在邏輯推理、思維鏈等方面設(shè)計(jì)了較多的題目，包含類(lèi)比、常識(shí)推理、空間方位、演繹推理、邏輯謬誤檢測(cè)、因果推理等 19 個(gè)二級(jí)分類(lèi)，題型上相對(duì)平均，其中填空題最多，多選題最少。
在邏輯思維題目中，訊飛星火 81.25%的得分率名列第一，明顯高于 72.6% 的平均值。此外，訊飛星火在邏輯思維 63.2% 的二級(jí)分類(lèi)問(wèn)題上得分率第一。邏輯思維對(duì)于大模型真正理解物理世界相當(dāng)重要。
圖：邏輯思維評(píng)測(cè)得分率
編程能力是大模型比較高階的能力，本次的編程能力評(píng)測(cè)包含 ASCII、ASCII碼識(shí)別、Python、代碼、代碼修正、計(jì)算機(jī) 6 個(gè)二級(jí)分類(lèi)，其中 Python 主要以簡(jiǎn)答形式評(píng)估大模型的代碼生成能力和正確率，其他則以客觀題的形式考察。
結(jié)果顯示，訊飛星火 80% 的得分率明顯高于 71%的平均值，其他平臺(tái)得分率基本相當(dāng)。值得一提的是，在許多人關(guān)心的生成代碼的簡(jiǎn)答題單項(xiàng)上，訊飛星火的得分率高達(dá) 82%，遠(yuǎn)高于其他平臺(tái)，表現(xiàn)頗為亮眼。
圖：編程能力評(píng)測(cè)綜合得分率
作為比較難的評(píng)測(cè)維度，綜合知識(shí)對(duì)大模型的“聰明”程度要求也很高，涉及的題目較雜，包含百科問(wèn)答、常識(shí)、科學(xué)知識(shí)、事實(shí)問(wèn)答、工作技巧、謎語(yǔ)等 13 個(gè)二級(jí)分類(lèi)，題型以多選為主。
在綜合知識(shí)評(píng)測(cè)上，訊飛星火 80.61% 的得分率排名第一，在 84.6% 的二級(jí)分類(lèi)上得分率第一，初步顯示出在百科問(wèn)答和歷史人文上的“過(guò)人之處”。
圖：綜合知識(shí)評(píng)測(cè)得分率
報(bào)告指出，在本輪大模型評(píng)測(cè)中，訊飛星火以 81.5 分的成績(jī)拔得頭籌，成為“最聰明”的國(guó)產(chǎn)大模型。
訊飛星火在編程能力、理科綜合、邏輯思維、數(shù)學(xué)專(zhuān)項(xiàng)、語(yǔ)言專(zhuān)項(xiàng)和綜合知識(shí)這 6 個(gè)一級(jí)大類(lèi)中得分率排名第一，在此次評(píng)測(cè)中表現(xiàn)十分全面，尤其是在代碼生成、數(shù)學(xué)能力、理科與邏輯等方面優(yōu)勢(shì)明顯，是本次“最聰明的理科生”。
值得一提的是，從題型角度來(lái)看，主觀簡(jiǎn)答題中訊飛星火憑借 83.98% 的得分率位居第一；而在客觀題上，訊飛星火以 75.7% 的得分率排名第一，在主客觀體型中均有良好表現(xiàn)。
此外，就在8月12日，新華社研究院中國(guó)企業(yè)發(fā)展研究中心發(fā)布的《人工智能大模型體驗(yàn)報(bào)告2.0》中，訊飛星火V1.5以總分1013分位列本次國(guó)產(chǎn)主流大模型測(cè)評(píng)榜首位，在四大評(píng)測(cè)維度中的智商指數(shù)和工具提效指數(shù)兩個(gè)維度獲得第一，《報(bào)告》認(rèn)為訊飛星火“在工作提效方面優(yōu)勢(shì)明顯”。
在剛剛過(guò)去的8月15日，訊飛星火認(rèn)知大模型V2.0如期發(fā)布，進(jìn)一步突破代碼能力和多模態(tài)能力。技術(shù)獲得重大突破的同時(shí)，搭載訊飛星火V2.0核心能力的應(yīng)用和產(chǎn)品也越來(lái)越豐富：既有輔助程序員高效工作的智能編碼助手iFlyCode1.0、能夠進(jìn)行視頻創(chuàng)作的訊飛智作2.0、能夠便捷搭建輕應(yīng)用的教育數(shù)字基座應(yīng)用開(kāi)發(fā)助手，還有幫助教師設(shè)計(jì)教學(xué)活動(dòng)、一鍵生成課件的星火教師助手、面向英語(yǔ)學(xué)習(xí)者口語(yǔ)練習(xí)的星火語(yǔ)伴2.0，訊飛AI學(xué)習(xí)機(jī)也升級(jí)AI 1對(duì)1智能編程助手和AI 1對(duì)1創(chuàng)意繪畫(huà)伙伴。此外，科大訊飛還和華為聯(lián)合發(fā)布星火一體機(jī)，讓每一家企業(yè)都有機(jī)會(huì)構(gòu)建專(zhuān)屬大模型。
