(资料图)
凤凰网科技讯 《AI前哨》 5月9日消息，今日，中文通用大模型综合性评测基准SuperCLUE正式发布。中文通用大模型基准（SuperCLUE），是针对中文可用的通用大模型的一个测评基准。
据介绍，SuperCLUE主要回答的问题是：在当前通用大模型大力发展的情况下，中文大模型的效果情况。包括但不限于：这些模型不同任务的效果情况、相较于国际上的代表性模型做到了什么程度、 这些模型与人类的效果对比如何？它尝试在一系列国内外代表性的模型上使用多个维度能力进行测试。SuperCLUE是中文语言理解测评基准（CLUE）在通用人工智能时代的进一步发展。
与此同时，SuperCLUE评测榜单也同步公开。该榜单测试了国内外9个模型，分别为GPT4、GPT3.5-turbo、讯飞星火认知大模型、MiniMax、BELLE-138、ChatGML-68、M0SS-168、Vicuna-138、文心一言，九大模型还与人类进行了对比。
榜单显示，从人类测评角度看，基础能力（98%）+中文特性（95%），都达到了非常高的水平。除GPT-4外，人类准确率大幅超过了其他的大模型（如在基础能力上超过其他模型20多个百分点）。AI虽然进展很快，但人类还是有相对优势的， 比如在计算方面，人类比最强模型GPT-4高出了30个百分点。
目前，国际先进模型效果具有较大的领先性，而同时国产GPT模型也有不俗的表现。
榜单中，表现最好的国内大模为讯飞星火认知大模型，总分53.58分，与GPT-4相比有23个百分点的差距，与gpt-3.5-turbo在总分上有13个百分点的差距。在语义理解方面，讯飞星火认知大模型得分100分，超过GPT-4。百度文心一言在榜单中排名最后一名，得分32.61分。
据悉，SuperCLUE从基础能力、专业能力和中文特性能力三个不同的维度评价大模型。其中，基础能力包括了常见的有代表性的模型能力，如语义理解、对话、逻辑推理、角色模拟、代码、生成与创作等10项能力；专业能力包括了中学、大学与专业考试，涵盖了从数学、物理、地理到社会科学等50多项能力；中文特性能力针对有中文特点的任务，包括了中文成语、诗歌、文学、字形等10项多种能力。
值得注意的是，SuperCLUE标明了评测基准的不足和局限，包括中文特性能力总数据量比较少，以及选取的模型较少。
标签：
