【大河财立方 记者 陈薇】6月24日，极客公园高考新课标Ⅰ卷全科目大模型评测报告出炉。数据显示，GPT-4o以562分排名文科总分第一，字节跳动旗下的豆包成绩是542.5分，其后依次是百度文心一言4.0的537.5分，以及百川智能“百小应”的521分。

本次大模型高考评测与河南省考卷完全相同。根据当天公布的河南高考录取分数线，文科本科一批录取分数线为521分，GPT-4o超出41分，豆包等三款国产AI也成功冲上一本线。

而根据最新河南高考分数段统计数据，GPT-4o的562分在文科考生中排名8811名，相当于人类考生的前2.45%，豆包则处于前4.27%的位置。在过去一年多时间里，国产AI技术能力取得了长足进步，目前已经接近国际顶尖大模型的水平。

文科大模型更容易拿高分

文科是大模型与人类考生竞争最为激烈的部分。百小应、字节豆包和腾讯元宝占据了前三的位置。豆包更是以平均分52分的成绩，拿下作文写作最高分。

负责本次阅卷的是北京市级骨干教师、怀柔区语文学科带头人夏老师，她曾多次参加全国高考语文阅卷。夏老师指出，Al写出的文章大多有清晰完整的结构，有逻辑性，语言通顺流畅，但“其理性有余，感性不足，缺乏感情色彩，自然就缺乏感染力”，这成为大模型在语文科目中进一步提升的关键所在。

英语考试中，大模型在阅读和语言运用等客观题上展现出了较高的水平，GPT-4o、百小应、通义千问等甚至获得了80分的满分，豆包和文心4.0也接近满分。但在40分的写作考试中，最高分仅为29分，由 GPT-4o 和百小应获得。大模型的英语写作主要在表达的丰富度和细节处理上有所欠缺。

在由历史、地理、政治组成的文综考试中，大模型们的表现各有千秋。GPT-4o 以237分的总成绩展现出了较强的综合能力，平均得分达到79分，超越了多数人类考生。在政治考试中，GPT-4o凭借88分的高分令人意外地夺魁。而地理考卷由于存在大量图片问题，给众多大模型带来了不小的挑战，最终图像理解能力较强的 GPT-4o 获得了最高分，但也仅有68分，在一定程度上影响了各家大模型的文综总成绩。

大模型理科成绩不尽如人意

相比文科，大模型的理科成绩则不尽如人意与人类顶尖考生差距十分显著。

在数学考试中，9款大模型产品中仅有GPT-4o、文心一言 4.0 和豆包获得60分以上的成绩（满分150分）。据测试机构透露，豆包等大模型能准确运用求导公式和三角函数定理，但在面对较为复杂的推导和证明问题时，往往难以得分。在回答数学题目时，大模型的主观题出现回答相对凌乱的情况，甚至出现过程错误但得到正确答案的情况。大模型的公式记忆能力较强，但是无法在解题过程中灵活引用。

在化学和物理考试中，情况更为严峻，平均分数分别只有34分和39分。化学单项最高分49.5分由豆包获得，而GPT-4o仅有42分。在物理考试中，一道基于常识“时间不会倒流”就能轻易排除错误选项的送分题，大模型却几乎全军覆没，凸显了大模型在应对考试灵活性方面的不足。

综合来看，此次大模型的高考评测结果表明，在过去一年多的时间里，国产AI技术在某些领域取得了显著进步。但在数理学科方面，大模型仍面临着巨大的挑战，需要在算法优化、数据训练等方面持续发力，不断提升自身的能力，以更好地适应复杂多变的知识考查和应用场景。

责编:史健 | 审校:李金雨 | 审核:李震 | 监审:万军伟


                                        
友情提示
本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！  
                                        
联系邮箱：1042463605@qq.com