7月25日消息，中文通用大模型綜合性基準(zhǔn)SuperClue發(fā)布了最新中文大語言模型排行榜。榜單結(jié)果顯示，百度文心一言總分超GPT-3.5-Turbo，領(lǐng)跑國內(nèi)大模型。

SuperCLUE-Opt評(píng)測基準(zhǔn)是SuperCLUE綜合性三大基準(zhǔn)之一，每期有3700+道客觀題（選擇題），由基礎(chǔ)能力（10個(gè)子任務(wù)）、中文特性能力（10個(gè)子任務(wù)）、學(xué)術(shù)專業(yè)能力（50+子任務(wù)）組成，用于考察大模型在70余個(gè)任務(wù)上的綜合表現(xiàn)。

此次SuperCLUE從基礎(chǔ)能力、專業(yè)能力、中文特性能力三個(gè)維度70余項(xiàng)子能力，選取國內(nèi)外20個(gè)有代表性的可用大模型進(jìn)行測評(píng)，兼具綜合能力考量與中文特定任務(wù)理解積累的考察，并通過自動(dòng)化測評(píng)以相對(duì)客觀形式進(jìn)行效果測評(píng)。在總分榜中，文心一言緊隨GPT-4，總分超GPT-3.5及國內(nèi)其他大模型，模型效果最佳。

從榜單結(jié)果可以看出，雖然國外GPT-4效果較領(lǐng)先，但國內(nèi)GPT模型也有不俗表現(xiàn)。在中文領(lǐng)域，國內(nèi)研發(fā)的大模型在部分維度表現(xiàn)突出，整體在逐步縮小與國際先進(jìn)模型的差距。整體來看，國內(nèi)大模型中百度文心一言表現(xiàn)最優(yōu)。文心一言v2.2.0版背后搭載的是文心大模型3.5，文心大模型自2019年3月發(fā)布1.0版后，現(xiàn)已升級(jí)到3.5版。新版本模型效果提升50%，訓(xùn)練速度提升2倍，推理速度提升30倍。

據(jù)了解，這次評(píng)榜的SuperClue是一個(gè)由國內(nèi)發(fā)起的大模型榜單，是中文領(lǐng)域權(quán)威測評(píng)社區(qū)。相較于國外的UC伯克利LLM排行榜和斯坦福排行榜AlpacaEval兩個(gè)流行榜單，多了一些國內(nèi)大模型，更加適合國內(nèi)用戶來橫向比較。作為針對(duì)中文可用的通用大模型測評(píng)標(biāo)準(zhǔn)，SuperCLUE使用多個(gè)維度能力對(duì)一系列國內(nèi)外代表性模型進(jìn)行測試，因其為封閉式問題，對(duì)大模型來說是“閉卷考試”，測評(píng)更難。

評(píng)測基準(zhǔn)中，基礎(chǔ)能力包括了常見的有代表性的模型能力，如語義理解、對(duì)話、邏輯推理、角色扮演、代碼、生成與創(chuàng)作等10項(xiàng)能力；專業(yè)能力包括了中學(xué)、大學(xué)與專業(yè)考試，涵蓋了從數(shù)學(xué)、物理、地理到社會(huì)科學(xué)等50多項(xiàng)能力；中文特性能力包括了中文成語、詩歌、文學(xué)、字形等10項(xiàng)多種能力。
值得一提的是，全球領(lǐng)先的IT市場研究和咨詢公司IDC最新發(fā)布《AI大模型技術(shù)能力評(píng)估報(bào)告，2023》顯示，百度文心大模型3.5拿下12項(xiàng)指標(biāo)的7個(gè)滿分，綜合評(píng)分第一，算法模型第一，行業(yè)覆蓋第一，其中也是算法模型維度的唯一一個(gè)滿分?。

另據(jù)近期多個(gè)公開測評(píng)顯示，文心大模型3.5版支持下的文心一言中文能力突出，甚至有超出GPT-4的表現(xiàn)；綜合能力在評(píng)測中超過ChatGPT，遙遙領(lǐng)先于其他大模型，穩(wěn)居國內(nèi)第一。