9月19日消息，繼SuperCLUE中文大模型評(píng)測(cè)基準(zhǔn)8月榜單發(fā)布之后，國(guó)內(nèi)又一權(quán)威評(píng)測(cè)體系FlagEval（天秤）公布最新9月榜單評(píng)測(cè)結(jié)果。mqg28資訊網(wǎng)——每日最新資訊28at.com

FlagEval（天秤）是北京智源人工智能研究院推出的大模型評(píng)測(cè)體系及開放平臺(tái)，旨在建立科學(xué)、公正、開放的評(píng)測(cè)基準(zhǔn)、方法、工具集，協(xié)助研究人員全方位評(píng)估基礎(chǔ)模型及訓(xùn)練算法的性能。FlagEval 大語(yǔ)言模型評(píng)測(cè)體系當(dāng)前包含6大評(píng)測(cè)任務(wù)，近30個(gè)評(píng)測(cè)數(shù)據(jù)集，超10萬(wàn)道評(píng)測(cè)題目。mqg28資訊網(wǎng)——每日最新資訊28at.com

據(jù)悉，在9月評(píng)測(cè)中，F(xiàn)lagEval進(jìn)行了評(píng)測(cè)框架升級(jí)，細(xì)化「安全與價(jià)值觀」與「推理能力」。依據(jù)最新版的能力框架，F(xiàn)lagEval 團(tuán)隊(duì)同步更新了智源自建的 Chinese Linguistics & Cognition Challenge (CLCC) 主觀評(píng)測(cè)數(shù)據(jù)集題庫(kù)v2.0，題目數(shù)量擴(kuò)充3倍，采用“多人‘背靠背’評(píng)測(cè)+第三方仲裁”的方式保證評(píng)測(cè)結(jié)果的一致性。mqg28資訊網(wǎng)——每日最新資訊28at.com

基于最新 CLCC v2.0主觀評(píng)測(cè)數(shù)據(jù)集，F(xiàn)lagEval（天秤）9月榜重點(diǎn)評(píng)測(cè)了近期大熱的 7 個(gè)開源對(duì)話模型。從整體結(jié)果來(lái)看，Baichuan2-13b-chat、Qwen-7b-chat、Baichuan2-7b-chat名列前茅，準(zhǔn)確率均超過(guò) 65%。mqg28資訊網(wǎng)——每日最新資訊28at.com

在基座模型榜單中，Baichuan 2、Qwen、InternLM、Aquila 的客觀評(píng)測(cè)結(jié)果表現(xiàn)均超越同參數(shù)量級(jí)的 Llama 及 Llama2 模型。mqg28資訊網(wǎng)——每日最新資訊28at.com

在 SFT 模型榜單中，Baichuan2-13B-chat、YuLan-Chat-2-13B、AquilaChat-7B 名列前三。mqg28資訊網(wǎng)——每日最新資訊28at.com

另外，值得注意的是，在客觀評(píng)測(cè)兩個(gè)榜單中，Baichuan 2均表現(xiàn)出優(yōu)異性能，基礎(chǔ)模型測(cè)試在中英文領(lǐng)域均全面超越Llama2。mqg28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.tebozhan.com/showinfo-21-10600-0.htmlFlagEval大語(yǔ)言模型評(píng)測(cè)9月榜：Baichuan 2排名第一

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： 周杰倫“騎”愛(ài)瑪電動(dòng)車15年 “電量”耗盡了嗎？

下一篇： 拉勾招聘聯(lián)合知乎啟動(dòng)“2024秋招通關(guān)指南”