谁才是最强的？清华给海内外知名大模型做了场综合能力评测

AIGC动态欢迎阅读

原标题：谁才是最强的？清华给海内外知名大模型做了场综合能力评测
关键字：模型,报告,能力,代码,中文
文章来源：机器之心
内容字数：14305字

内容摘要：

机器之心发布
机器之心编辑部在 2023 年的 “百模大战” 中，众多实践者推出了各类模型，这些模型有的是原创的，有的是针对开源模型进行微调的；有些是通用的，有些则是行业特定的。如何能合理地评价这些模型的能力，成为关键问题。
尽管国内外存在多个模型能力评测榜单，但它们的质量参差不齐，排名差异显著，这主要是因为评测数据和测试方法尚不成熟和科学，而好的评测方法应当具备开放性、动态性、科学性和权威性。
为提供客观、科学的评测标准，清华大学基础模型研究中心联合中关村实验室研制了 SuperBench 大模型综合能力评测框架，旨在推动大模型技术、应用和生态的健康发展。
近期，二者发布了 2024 年 3 月的《SuperBench 大模型综合能力评测报告》。在此评测中，报告选定了 14 个海内外具有代表性的模型进行测试。对于闭源模型，选取了 API 和网页两种调用模式中得分较高的一种进行评测。根据评测结果，报告得出以下几个主要结论：
● 整体来说，GPT-4 系列模型和 Claude-3 等国外模型在多个能力上依然处于领先地位，国内头部大模型 GLM-4 和文心一言 4.0 表现亮眼，与国际一流

原文链接：谁才是最强的？清华给海内外知名大模型做了场综合能力评测