大皖新聞訊誰是中國最聰明的認知大模型？8月17日，《麻省理工科技評論》中國最新發(fā)布的大模型評測報告給出了答案。 報告顯示，在8個一級大類的600道題目的測試和盲評中，訊飛星火認知大模型V2.0在6個大類中得分率排名第一，在此次評測中表現(xiàn)突出，以 81.5 分（百分制計）的成績在本次評測中登頂，榮獲“最聰明”的國產(chǎn)大模型稱號。

大模型評測綜合得分率

《麻省理工科技評論》中國從研發(fā)和商業(yè)化能力、外界態(tài)度以及發(fā)展趨勢等維度全方位檢測大模型的能力，力圖評出“最聰明”的國產(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”作為中文大模型平臺的代表，展開系統(tǒng)、科學(xué)的評測。

【資料圖】

4個大模型各項能力雷達圖

本次評測使用的測試集包含600道題目，覆蓋了語言專項、數(shù)學(xué)專項、理科綜合、文科綜合、邏輯思維、編程能力、綜合知識、安全性共 8 個一級大類，126 個二級分類，290 個三級標簽，并針對問題的豐富性和多樣性做了優(yōu)化。

在題目類型上，為了兼顧定量、定性的評價與測試，設(shè)置了“單選”、“多選”、“填空”、“簡答”4個題型，分別有 145 道、138 道、136 道和 181 道。大模型評測體系使用盲評方式，客觀評估國產(chǎn)大模型的聰明程度。

作為“最聰明”的大模型的基礎(chǔ)能力，語言專項評測包含對話理解、多語種、諷刺、古詩詞理解、文本生成、要點總結(jié)、情感分析、語義判斷等 61 個二級分類，題型則以簡答為主。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。

數(shù)學(xué)專項評測，是“最聰明”大模型必不可少的評測維度。本次評測包含代數(shù)、幾何、解方程、復(fù)雜數(shù)學(xué)、統(tǒng)計學(xué)等 9 個二級分類，以選擇題為主。

其中，訊飛星火以 77.75% 的得分率名列第一，遠高于平均得分率 56%，其他平臺得分率基本相當。報告稱，在大模型普遍“數(shù)學(xué)不好”的情況下，訊飛星火這一成績頗為難得，其在數(shù)學(xué)專項上的領(lǐng)先同樣體現(xiàn)在二級分類的評分結(jié)果上，在 77.8%的二級分類中得分率第一，遠超其他平臺，初步判斷其擅長幾何與情景應(yīng)用。

作為體現(xiàn)大模型“聰明程度”不可或缺的“硬核”部分，理科綜合評測包含表格問答、化學(xué)、生物、物理、醫(yī)學(xué) 5 個二級分類，題型上以單選和簡答為主。

評測結(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下 80% 的二級分類評測中得分率為第一，化學(xué)與生物較為突出。

邏輯思維也是“最聰明”大模型的重要體現(xiàn)，本次邏輯思維評測在邏輯推理、思維鏈等方面設(shè)計了較多的題目，包含類比、常識推理、空間方位、演繹推理、邏輯謬誤檢測、因果推理等 19 個二級分類，題型上相對平均，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% 的二級分類問題上得分率第一。

編程能力是大模型比較高階的能力，本次的編程能力評測包含 ASCII、ASCII碼識別、Python、代碼、代碼修正、計算機 6 個二級分類，其中 Python 主要以簡答形式評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，其他平臺得分率基本相當。值得一提的是，在許多人關(guān)心的生成代碼的簡答題單項上，訊飛星火的得分率高達 82%，遠高于其他平臺。

作為比較難的評測維度，綜合知識對大模型的“聰明”程度要求也很高，涉及的題目較雜，包含百科問答、常識、科學(xué)知識、事實問答、工作技巧、謎語等 13 個二級分類，題型以多選為主。

在綜合知識評測上，訊飛星火 80.61% 的得分率排名第一，在 84.6% 的二級分類上得分率第一。

報告指出，在本輪大模型評測中，訊飛星火以 81.5 分的成績拔得頭籌，成為“最聰明”的國產(chǎn)大模型。

值得注意的是，訊飛星火在編程能力、理科綜合、邏輯思維、數(shù)學(xué)專項、語言專項和綜合知識這 6 個一級大類中得分率排名第一，在此次評測中表現(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)勢明顯，是本次“最聰明的理科生”。

大皖新聞記者 項磊

編輯 陶娜

關(guān)鍵詞：