模型“日日新”：商湯“商量SenseChat 2.0”多個(gè)評測基準(zhǔn)綜合表現(xiàn)超ChatGPT_全球時(shí)快訊
商湯科技近日公布了自研中文語言大模型“商量SenseChat 2.0”在MMLU、AGIEval、C-Eval三個(gè)權(quán)威大語言模型評測基準(zhǔn)的成績。根據(jù)評測結(jié)果，“商量SenseChat 2.0”在三個(gè)測試集中表現(xiàn)均領(lǐng)先ChatGPT，實(shí)現(xiàn)了我國語言大模型研究的重要突破。
(資料圖片)
截至目前，已有近千家企業(yè)客戶通過申請，應(yīng)用和體驗(yàn)“商量SenseChat 2.0”超強(qiáng)的長文本理解、邏輯推理、多輪對話、情感分析、內(nèi)容創(chuàng)作、代碼生成等綜合能力，并且“商量SenseChat 2.0”還在服務(wù)客戶過程中，持續(xù)實(shí)現(xiàn)著快速迭代和提升，以及知識的實(shí)時(shí)更新。
商湯科技公布的評測結(jié)果中，選取了全球三大權(quán)威語言模型測評基準(zhǔn)MMLU、AGIEval、C-Eval，結(jié)果顯示“商量SenseChat 2.0”在三個(gè)測試集中表現(xiàn)均領(lǐng)先ChatGPT，部分已十分接近GPT4的水平。
其中，MMLU是由美國加州大學(xué)伯克利分校、哥倫比亞大學(xué)、芝加哥大學(xué)及伊利諾伊大學(xué)厄巴納-香檳分校聯(lián)合打造的大規(guī)模多任務(wù)語言理解的評測基準(zhǔn)，涵蓋了科學(xué)、技術(shù)、工程、數(shù)據(jù)，人文、社會(huì)科學(xué)等領(lǐng)域的57個(gè)科目，難度從初級水平到高級專業(yè)水平，考驗(yàn)世界知識和解決問題的能力。
在該評測中，“商量SenseChat 2.0”綜合得分為68.6，遠(yuǎn)超GLM-130B（45.7分）的得分，同時(shí)還超過了ChatGPT（67.3分）、LLaMA-65B（63.5分）僅落后GPT-4（86.4分），位居第二。
AGIEval是由微軟研究院發(fā)布的，專門用于評估基礎(chǔ)模型在人類認(rèn)知和問題解決相關(guān)任務(wù)中表現(xiàn)出的一般能力，從而實(shí)現(xiàn)模型智能和人類智能的對比。
在該評測中，“商量SenseChat 2.0”測出49.91的分?jǐn)?shù)，遙遙領(lǐng)先GLM-130B（34.2分）、LLaMMA-65B（34.0分），并再次超越ChatGPT（42.9分），僅次于GPT-4的56.4分。在其中的AGIEval（GK）評測子集中，“商量SenseChat 2.0”以58.5分全面領(lǐng)先，僅微弱差距落后GPT-4（58.8分）。
C-Eval是由上海交通大學(xué)、清華大學(xué)和愛丁堡大學(xué)合作構(gòu)建的面向中文語言模型的綜合性考試評測集，包含了13948個(gè)多項(xiàng)選擇題，涵蓋了52個(gè)不同的學(xué)科和四個(gè)難度級別。
面對C-Eval評測基準(zhǔn)，“商量SenseChat 2.0”拿到了66.1的分?jǐn)?shù)，在參評的18個(gè)大模型中，僅次于GPT-4（68.7分），全面領(lǐng)先ChatGPT等一眾海內(nèi)外大模型。其中，C-Eval（Hard）子評測集，是選擇了8個(gè)具有挑戰(zhàn)性的數(shù)據(jù)、物理和化學(xué)科目，進(jìn)一步考核大語言模型的推理能力，“商量SenseChat 2.0”也表現(xiàn)居于前列。
據(jù)悉，今年4月，商湯正式發(fā)布“商湯日日新SenseNova”大模型體系，以及自研中文語言大模型“商量SenseChat”。截至6月，全球范圍內(nèi)正式發(fā)布的大語言模型已超過40款，其中由中國廠商、高校、科研院所等發(fā)布的大語言模型近20款。
（文章來源：上海證券報(bào)·中國證券網(wǎng)）
標(biāo)簽：
