AI高考测试数学全不及格首个AI高考全卷评测结果发布

高考覆盖各类学科及题型，同时因其开考前的“绝密性”，被视作中国最具权威的考试之一。这一面向人类设计的高难度综合性测试，目前普遍被研究者用于考察大模型的智能水平。AI高考测试数学全不及格是怎么回事？首个AI高考全卷评测结果发布，一起去看具体详情。

AI测试数学全不及格

在前不久高考结束后，上海实验室旗下司南评测体系OpenCompass选取了7个大模型进行高考“语数外”全卷能力测试。6月19日，OpenCompass发布了首个大模型高考全卷评测结果。

语数外三科加起来的满分为420分，此次高考测试结果显示，阿里通义千问2-72B排名第一，为303分，OpenAI的GPT-4o排名第二，得分296分，上海人工智能实验室的书生·浦语2.0排名第三，三个大模型的得分率均超过70%。来自法国大模型初创公司的Mistral排名末尾。

此次测试的模型分别来自阿里巴巴、零一万物、智谱AI、上海人工智能实验室、法国Mistral的开源模型，以及来自OpenAI的闭源模型GPT-4o。实验室表示，因无法确定闭源模型的更新时间，为公平起见，此次评测没有纳入商用闭源模型，仅引入GPT-4o作为评测参考。这次选择参与高考的“考生”均在高考前（2024年4月-6月）开源，避免了“刷题风险”。

从结果来看，大模型的语文、英语考试水平普遍不错，但数学都不及格，最高分也只有75分，来自书生·浦语2.0，其次是GPT-4o，得分73分。语文最高分是通义千问，英语最高分是GPT-4o。

在数学方面大模型还有很大的提升空间。数学关乎复杂推理相关能力，这是大模型普遍面临的难题，也是大模型在金融、工业等要求可靠的场景落地需要的关键能力。

上海人工智能实验室领军科学家林达华此前在采访中对第一财经介绍，复杂推理关系到落地应用时大模型的可靠性，例如在金融这样的场景下不能在数字上有差错，会对数学上的可靠性有较高的要求。另外随着大模型进入商用，若要分析一家公司的财报，甚至是工业领域要去分析一些技术文档，这时数学方面的计算能力就会成为一个壁垒。

今天，财政部会同交通运输部紧急下达1.05亿元，支持广东、广西、浙江、福建、江西、湖南、贵州等7省（自治区）开展公路抢修，指导地方按照“先抢通、后修复，先干线、后支线”的原则，有效处置因边坡溜方、路基（涵洞）坍塌、崩塌、滑坡泥石流、路面积水等引起的公路损毁和阻断，全力保障汛期公路安全通畅。

6月21日，有网友发布视频称这是Manner咖啡上海海梦一方店内的监控视频。视频显示，2024年5月22日14时许，一家咖啡店内一名男店员和一名黑衣男子发生争执。很快，双方争吵变得十分激烈，黑衣男子走进制作区域，与店员发生肢体冲突。

Manner受访咖啡师透露，即便是一线城市，Manner的咖啡师月薪也基本约在5000元，例外情况是员工疯狂加班、舍弃双休，才能拿到额外薪水奖励。同时员工需要随时听从公司派遣去往任意门店工作，排班时长也是公司掌握绝对主导权。目前，咖啡师行业整体薪资水平相较2021年左右的高峰，还出现了倒退的情况。

在繁忙的都市丛林里，家长群如同一个小小的社群生态圈，家长们在这里分享经验、交流情感，共同为孩子的成长助力。然而，就在这个看似和谐的圈子里，有一位45岁的二胎妈妈却感到了一种难以言说的“孤独”。今天，就让我们一起走进这位二胎妈妈的世界，探讨她与家长群之间的“微妙距离”，并寻找打破隔阂的钥匙。

近日，安徽遭遇罕见的暴雨袭击，各地水患严重，给当地居民和商户带来了巨大的损失和困扰。据了解，一名商户在4年前的洪灾中遭受了数千万元的巨大损失，如今再次遭遇淹水灾害，损失高达数百万元。

近日，女子实名举报辽宁彰武县圣经寺住持诱骗其成为情妇的事件引起了社会的广泛关注。这一事件涉及到宗教信仰、权力滥用以及人身自由等多方面的议题，牵动着人们敏感的神经。据报道，这名女子在举报中称，圣经寺的住持利用其信仰虔诚的心理，对其进行了严重的侵犯，并声称和她发生关系就能让她成为佛。

近日，演员林更新在个人社交媒体账号上发布了一条动态，内容为“彻底破防”，并附上了一张被好友“骂”的截图，瞬间引发了网友们的关注，而且林更新的这种真实、不做作的个性，也赢得了更多粉丝的喜爱和尊重。 可以说，林更新这次彻底破大防的互动，不仅展现了他的幽默天赋和接地气的一面，也让他与粉丝们之间的距离更加亲近。

近日，一名女士在社交媒体上分享了一段感人的视频，那就是这名女士决定翻新修复去世奶奶的嫁妆，这一举动不仅是对奶奶的深情缅怀，更是对家族传统和文化的珍视，她深知这些嫁妆承载着奶奶的记忆与情感，是家族历史中不可或缺的一部分，因此，她决定亲自动手，将这份珍贵的遗产重新焕发光彩。

近日，一则“黑龙江一男生考编电话停机，人社局局长为其电话缴费后仍错过递补”的消息引发热议。据了解，一名考生由于其他考生放弃而进入递补的行列，需要在6月17日17点之前进行资格审查，尽管涉事地区的人社局局长为其充话费后仍未联系上。

增值电信业务经营许可证：渝B2-20220180

---

---

相关标签： AI高考数学全不及格、 AI、 高考、

上一篇：巴黎奥运中国女排25人大名单巴黎奥运中国女

下一篇：性侵中国女游客的韩酒店员工已返岗韩国警方