双榜夺魁 Baichuan 2在FlagEval评测中拔得头筹
- 2023-09-19 15:30
- 中国青年网
继SuperCLUE中文大模型评测基准8月榜单发布之后,国内又一权威评测体系FlagEval(天秤)公布最新9月榜单评测结果。
和前段时间大语言模型领域在各大基准评测中争奇斗艳,你方唱罢我登场的局面不同。夺得这两份重量级榜单榜首的均为刚刚发布的Baichuan 2大模型。
FlagEval(天秤)是北京智源人工智能研究院推出的大模型评测体系及开放平台,旨在建立科学、公正、开放的评测基准、方法、工具集,协助研究人员全方位评估基础模型及训练算法的性能。FlagEval 大语言模型评测体系当前包含6大评测任务,近30个评测数据集,超10万道评测题目。
FlagEval主观评测全新升级,Baichuan 2排名第一
在9月评测中,FlagEval进行了评测框架升级,细化“安全与价值观”与“推理能力”。依据最新版的能力框架,FlagEval 团队同步更新了智源自建的 Chinese Linguistics & Cognition Challenge (CLCC) 主观评测数据集题库v2.0,题目数量扩充3倍,采用“多人‘背靠背’评测+第三方仲裁”的方式保证评测结果的一致性。
能力维度详细解析见官方网站:http://flageval.baai.ac.cn/#/rule
基于最新 CLCC v2.0主观评测数据集,重点评测了近期大热的 7 个开源对话模型。从整体结果来看,Baichuan2-13b-chat、Qwen-7b-chat、Baichuan2-7b-chat名列前茅,准确率均超过 65%。
客观评测显示Baichuan 2在中英文领域均全面超越Llama2 在基座模型榜单中,Baichuan 2、Qwen、InternLM、Aquila 的客观评测结果表现均超越同参数量级的 Llama 及 Llama2 模型。
在 SFT 模型榜单中,Baichuan2-13B-chat、YuLan-Chat-2-13B、AquilaChat-7B 名列前三。
在客观评测两个榜单中,Baichuan 2均表现出优异性能,基础模型测试在中英文领域均全面超越Llama2。
当下,国内大模型发展如火如荼,未来,谁能在大模型竞争格局中占据核心地位仍是未知。但不难想象的是,Baichuan 2既已实现对LLaMA2的超越,再加上惊人的迭代速度和良好的开源生态支持,必将推动国内开源生态不断进步、相互促进,对中国大模型行业带来积极影响。
- 公安部交管局公布今年上半年事故多发路段2020-07-27 11:24
- 全球深空探索走进新时代2020-07-27 09:06
- 四部门:遏制货车非法改装 严厉打击百吨王2020-07-27 07:18
- “四个一百”优秀政法新媒体榜单正式发布2020-07-27 07:16
- 多地出台稳外贸稳外资“加强版”举措2020-07-24 09:11
-
2
上海海警查获5起涉嫌走私案件 涉案金额2000万元
2020-07-22 07:16
-
3
高科技重新定义新时代抢险抗洪
2020-07-21 07:24
-
4
2020第五届大致坡琼剧文化节在海口启幕
2020-07-13 08:56
-
5
黔东南州非遗大集市在丹寨万达小镇开市
2020-07-08 07:29