用AI来做全国高考试卷，真的有人试了！结果：成绩偏科很严重

用AI来做全国高考试卷，真的有人试了！结果：成绩偏科很严重

引用

腾讯

1.

https://new.qq.com/rain/a/20240620A03J4N00

最近，上海人工智能实验室公布了一项引人注目的测试结果：使用多个开源大模型对2024年全国新课标I卷"语数外"进行测试。结果显示，虽然部分模型取得了较高的总分，但普遍存在着严重的偏科现象。

这项测试由上海人工智能实验室的司南评测体系OpenCompass主导，选取了7个开源大模型进行测试，包括OpenAI的GPT-4o、法国的Mixtral 8x22B、零一万物的Yi-1.5-34B、智谱AI的GLM-4-9B、上海人工智能实验室的InternLM2-20B-WQX以及阿里巴巴的Qwen2-57B和Qwen2-72B。

测试结果显示，阿里巴巴的Qwen2-72B大模型表现最佳，总分达到303分（满分420分）。GPT-4o以296分位居第二，InternLM2-20B-WQX以295.5分紧随其后。

然而，所有模型在数学部分都表现不佳，最低仅得21分，最高也只有75分。相比之下，语文和英语的成绩要好得多，语文平均得分率为67%，英语更是高达81%。

这一测试结果表明，现阶段的大模型在知识应用方面仍存在明显短板，尤其是在需要灵活运用公式的数学领域。对于这样的测试结果，你是否满意呢？

本文原文来自腾讯新闻