C-Eval， GPT4 节节败退，跌出前十。。。。
luchenwei9266 · luchenwei9266 · 2023-09-06 10:36:10 +08:00 · 6347 次点击这是一个创建于 785 天前的主题，其中的信息可能已经有所发展或是发生改变。
讲道理，虽然 C-Eval 是中文的评估套件，GPT4 跌出前十，前面的都是国产大模型，这些勉强都能理解接受。
可是排名这一块，居然还有排名第 0 位的，这是几个意思。。。
附个网页链接： https://cevalbenchmark.com/static/leaderboard_zh.html
 |
1
x86 2023-09-06 10:37:20 +08:00
0 是 foreach 循环的时候从 0 开始了填的呗
|
 |
2
luchenwei9266 OP @x86 那大概率又是招的临时工没经验，前端显示排名的时候忘了+1
|
 |
3
ktqFDx9m2Bvfq3y4 2023-09-06 10:45:58 +08:00 via iPhone  13
甭管他们怎么评，目前我只为 ChatGPT 付费。
|
 |
4
leonhao 2023-09-06 10:48:20 +08:00 1
赢麻了
|
 |
5
BingoXuan 2023-09-06 10:49:41 +08:00
看了一下测试内容，唯一想法是为何让大模型成为做题家呢？
|
 |
6
jolanyu 2023-09-06 10:50:27 +08:00 8
（注：* 表示该模型结果由 C-Eval 团队测试得到，而其他结果是通过用户提交获得。）
|
 |
7
zapper 2023-09-06 10:53:20 +08:00
考霸？要来干嘛
|
 |
9
xlsepiphone 2023-09-06 10:55:10 +08:00
榜单里面的，我只可能为 ChatGPT 付费。
|
 |
10
SomeBodsy 2023-09-06 10:56:21 +08:00 1
文心一言就是个人工智障，问啥都不知道，跟 chatGPT 最起码差 20 代
|
 |
11
yigecaiji 2023-09-06 11:11:31 +08:00 via Android
乐
|
 |
12
idealhs 2023-09-06 11:16:26 +08:00
我们中国真是太厉害辣
|
 |
13
Eissen 2023-09-06 11:22:21 +08:00 4
遥遥领先
|
 |
14
BwNVlwSq 2023-09-06 11:25:21 +08:00 via iPhone 1
太酷辣
|
 |
15
bt7vip 2023-09-06 11:32:02 +08:00 via Android
我也好奇，GPT4 的模型放出来了？？他们可以调试？？
|
 |
16
excitedXXX 2023-09-06 11:39:42 +08:00
遥遥领先！！！
|
 |
17
Navee 2023-09-06 11:44:42 +08:00
单走一个 6
|
 |
18
momo31 2023-09-06 11:50:04 +08:00
遥遥领先
|
 |
19
chendl111 2023-09-06 12:07:49 +08:00 1
前面都是国内的，我严重怀疑测试的可靠性
|
 |
20
yvescheung 2023-09-06 12:15:53 +08:00 14
在朝鲜最幸福国家的排名中，前五分别是中国，朝鲜，古巴，伊朗和委内瑞拉，邪恶的美帝国主义排 200 多
|
 |
21
0m9ionbP8wuvs8S3 2023-09-06 12:20:50 +08:00
国产，自研，弯道超车，遥遥领先
🤣 |
 |
22
akira 2023-09-06 12:27:48 +08:00 2
想吐槽点啥，但是槽点太多了，以至于不知道怎么说好
|
 |
23
yiencho 2023-09-06 13:14:47 +08:00
遥遥领先，遥遥领先！~~~
|
 |
24
234ygg 2023-09-06 13:17:05 +08:00 1
小镇做题家从人变模型了是吧😅
gpt4 是在规模部署的前提下实现当前性能的，不能以低于 20 刀/月的价格规模推广的就别来比了，田忌赛马也要让人见到马吧。 而且，最少也请做个网页版，并提供 API 。 |
 |
25
weilongs 2023-09-06 13:22:09 +08:00
这有点 不厚道吧？
|
 |
26
h272377502 2023-09-06 13:50:04 +08:00
@bt7vip 不是有 api 吗。。。
|
 |
27
cherryas 2023-09-06 14:17:57 +08:00
chatgpt 本来就对中国的人文历史社科胡编乱造，中国的测试打不过其他新模型很正常。
|
 |
28
george2077 2023-09-06 14:46:37 +08:00
野榜不看也罢
|
 |
29
geomancy 2023-09-06 15:02:15 +08:00
我自己训练的模型最牛 x ，它居然知道我的生活习惯，和别人的聊天记录什么的，其他商业大模型则不可以，甚至不知道我叫什么，我觉得我自己的模型理所当然的排名最前。
|
 |
30
windyboy 2023-09-06 16:23:58 +08:00
又一个安兔兔吗？
|
 |
31
cheese 2023-09-06 17:48:16 +08:00
这测试都是中文考证做题的,gpt4 玩不过很正常吧,gpt 的中文训练集相对英文本来就少,更别提这种专用形式的考试内容
|
 |
32
XnEnokq9vkvVq4 2023-09-06 22:10:52 +08:00
要不是我真用过好多开源模型我就真信了，完全无视这些所谓 benchmark
|
 |
33
timestamp24 2023-09-07 02:41:11 +08:00
姑且相信这个评分(上传成绩的人都很诚实&测试结果可靠)，这是在挑选中文做题家/背题家吗？全是选择题考察有一定的局限性。其实开放公测大家一用就知道各种模型几斤几两了。
|
 |
34
chancat 2023-09-07 17:09:08 +08:00 via Android
一方面判定别人家的东西违法，有害。自己又干不出来不是抄袭套皮就是自封第一，真的。很难进步。
|
Select Language