大模子参加高考，能考几许分？近日，科技立异交流平台极客公园发布高考新课标Ⅰ卷大模子评测讲演，在参试大模子中，GPT-4o以562分的收成排行文科第一。参加评测的8款国产大模子中，字节逾越旗下的豆包收成是542.5分，后来轮番是百度文心一言4.0的537.5分和百川智能“百小应”的521分。本次大模子高考评测与河南省考卷十足疏浚，以上3款国产大模子均杰出河南文科一册线521分。GPT-4o的562分在河南文科考生中可排行8811名，特别于前2.45%；豆包处于前4.27%，接近顶尖大模子的水平。
另类图片亚洲文综评测中，GPT-4o获237分，优于多数东说念主类考生。国产大模子中，豆包文综收成最高，得分224.5分，其中历史达到82.5分，在总计9款大模子中排第一。地舆考卷有多半图片考题，图像交融智商较强的GPT-4o得到最高分，但仅有68分。
语文、英语评测中，多家大模子在客不雅题上拿满分。但写稿文是弱项。屡次参加宇宙高评语文阅卷的北京市级主干教师、怀柔区语文体科带头东说念主夏真挚是本次评测的作文阅卷东说念主。她觉得，“AI作文有泄漏齐备的结构，有逻辑性，说话知道灵通，但艰巨心机和感染力”。同理，在40分的英语写稿磨砺中【DAPS-056】日本アダルト連盟公認 変態養成教育センター S的主任教官 雪乃，大模子的最高分唯一29分，主要丢分在抒发空乏、艰巨细节上。
值得遏制的是，大模子高考呈现出严重的偏科表象：数学、物理、化学等数理学科全线不足格，总分最高分不到480。而河南理科一册线是511分。最顶尖的大模子无法参加理科考生的前30%。
数学评测中，仅GPT-4o、文心一言4.0和豆包赢得60分以上收成（满分150分）。大模子能准确诓骗求导公式和三角函数定理，但濒临较为复杂的推导和说明问题就很艰苦分。物理有沿路送分的罗致题，东说念主类考生凭证“时辰不会倒流”可以简短选对谜底，大模子则扫地俱尽。
“当今的大说话模子实质上是笔墨接龙，基于海量贵寓，展望下一个最可能出现的文句。通过不息展望，生成连贯和齐备的文本。支吾文科磨砺，大模子的用词不准或用了近义词，不太影响评分。但理科磨砺磨真金不怕火推理和估计，比如沿路题有五步推理，大模子走偏一步，谜底就全错。况兼大模子的教师数据中，文科语料要远雄壮于理科语料。”国内一位大模子研发内行告诉科技日报记者。
近期，有一些国表里大模子在奥数题评测（非奥数现场比赛）上拿到可以的收成。对此，该内行解释，用全球齐教师过的公开数据集评测，大模子的准确率很高；但用比拟新的数据集去测试，准确率就大大下落。最新的高考题是哪家大模子齐莫得教师过的，磨真金不怕火的是数学推理和估计的泛化智商，这就清醒了大模子的短板。
北京大学估计说话学扣问所教育穗志方近日也暗示，大模子在中国高考、公事员磨砺和好意思国SAT磨砺等圭表化磨砺中的进展是优劣兼具的。一些大模子在SAT数学测试中进展优异，但在复杂推理或特定常识边界中的进展不够出色。
“在大模子内在机理莫得探讨泄漏的情况下【DAPS-056】日本アダルト連盟公認 変態養成教育センター S的主任教官 雪乃，咱们当今的评测旅途只可依靠从外部进展来推测内在智商。”穗志方说，改日应发展更系统的评测大纲、更具挑战的评测任务、更科学的评测体式。AI是否比东说念主类更稳健磨砺？尚未可定论。（记者 杨 雪）