一边亲着一面膜下AI参加一边亲着一面膜下高考，为何偏科严重
AI参加一边亲着一面膜下高考，为何偏科严重
什么秘密呢？
◎记一边亲着一面膜下者杨雪 大模型参加高考，能考多少分？近日，科技创新交流平台极客公园发布高考新课标Ⅰ卷大模型评测报告，在参试大模型中，GPT-4o以562分的成绩排名文科第一。参加评测的8款国产大模型中，字节跳动旗下的豆包成绩是542.5分，其后依次是百度文心一言4.0的537.5分和百川智能“百小应”的521分。本次大模型高考评测与河南省考卷完全相同，以上3款国产大模型均超过河南文科一本线521分。GPT-4o的562分在河南文科考生中可排名8811名，相当于前2.45%；豆包处于前4.27%，接近顶尖大模型的水平。 文综评测中，GPT-4o获237分，优于多数人类考生。国产大模型中，豆包文综成绩最高，得分224.5分，其中历史达到82.5分，在所有9款大模型中排第一。地理考卷有大量图片考题，图像理解能力较强的GPT-4o得到最高分，但仅有68分。 语文、英语评测中，多家大模型在客观题上拿满分。但写作文是弱项。多次参加全国高考语文阅卷的北京市级骨干教师、怀柔区语文学科带头人夏老师是本次评测的作文阅卷人。她认为，“AI作文有清晰完整的结构，有逻辑性，语言通顺流畅，但缺乏感情和感染力”。同理，在40分的英语写作考试中，大模型的最高分只有29分，主要丢分在表达空泛、缺少细节上。 值得注意的是，大模型高考呈现出严重的偏科现象：数学、物理、化学等数理学科全线不及格，总分最高分不到480。而河南理科一本线是511分。最顶尖的大模型无法进入理科考生的前30%。 数学评测中，仅GPT-4o、文心一言4.0和豆包获得60分以上成绩（满分150分）。大模型能准确运用求导公式和三角函数定理，但面对较为复杂的推导和证明问题就很难得分。物理有一道送分的选择题，人类考生根据“时间不会倒流”可以轻易选对答案，大模型则全军覆没。 “目前的大语言模型本质上是文字接龙，基于海量资料，预测下一个最可能出现的词句。通过不断预测，生成连贯和完整的文本。应对文科考试，大模型的用词不准或用了近义词，不太影响评分。但理科考试考验推理和计算，比如一道题有五步推理，大模型走偏一步，答案就全错。而且大模型的训练数据中，文科语料要远远大于理科语料。”国内一位大模型研发专家告诉科技日报记者。 近期，有一些国内外大模型在奥数题评测（非奥数现场比赛）上拿到不错的成绩。对此，该专家解释，用大家都训练过的公开数据集评测，大模型的准确率很高；但用比较新的数据集去测试，准确率就大大下降。最新的高考题是哪家大模型都没有训练过的，考验的是数学推理和计算的泛化能力，这就暴露了大模型的短板。 北京大学计算语言学研究所教授穗志方近日也表示，大模型在中国高考、公务员考试和美国SAT考试等标准化考试中的表现是优劣兼具的。一些大模型在SAT数学测试中表现优异，但在复杂推理或特定知识领域中的表现不够出色。 “在大模型内在机理没有探究清楚的情况下，我们目前的评测路径只能依靠从外部表现来推测内在能力。”穗志方说，未来应发展更系统的评测大纲、更具挑战的评测任务、更科学的评测方法。AI是否比人类更适合考试？尚未可定论。koa12jJid0DL9adK+CJ1DK2K393LKASDad
编辑:甘铁生
TOP1热点：发挥网格治理效能，居民停车更省心
股东大会场外安保森严。
TOP2热点：上海市委常委会会议学习习近平总书记重要讲话精神，听取经济...
据悉，联合国负责政治和建设和平事务的副秘书长罗斯玛丽向安理会表示，乌克兰全国三分之一的地区布满未爆炸的地雷和集束炸弹，使儿童受到的影响尤为严重。有专家估计，在当前情况下，若派出500个排雷小组，也需要耗时757年才能完成乌克兰全境的排雷工作。
TOP3热点：社区报道党员成了“绿化美容师”，党建引领凝聚自治共治力量国产男男Gay 体育生白袜
记者查看该教练的社交账号发现，他时常会拍摄队员们在体育馆的训练镜头。
当地时间7月17日，包括英特尔、高通和英伟达在内的美国芯片公司的高管，与美国商务部长雷蒙多、美国国家经济委员会主任布雷纳德以及美国总统国家安全事务助理沙利文等政府高级官员进行了会晤。
TOP4热点：英雄联盟手游亚洲联赛首个总决赛即将开启 韩国、菲律宾战队...糖心nana
前述知情人士强调：“因为归化确实不是个小事，篮协和体育总局起初还是有顾虑的。姚明曾和一些比较熟的人，‘有心无意’地提到过李凯尔，询问大家觉得他怎么样。”
TOP5热点：开幕式倒计时8天，“蓉火”来到西南石油大学棉签和冰块夹子pp
值得注意的是，近年来发生的大大小小的建筑坍塌等安全事故中，很多背后都连带着施工不规范的细节。这也提醒，在对建筑安全风险隐患排查中，理应把施工的规范与否放在重要位置，强化安全细节和操作流程的把控，及时清理建筑施工领域埋下的不规范操作“祸根”，防止出现针尖大的窟窿漏过斗大的风。
TOP6热点：社区报道党员成了“绿化美容师”，党建引领凝聚自治共治力量给大家科普一下黄台
事实上，执政一年多以来，尹锡悦本人也屡屡因言“翻车”。7月21日，民调机构韩国盖洛普发布调查结果显示，尹锡悦的好评率为33%，差评率为58%，差评率创近两月来新高。现任总统妻子岳母接连被查，施政差评率创新高，“青瓦台魔咒”的阴影再度笼罩在韩国政坛……有学者向南都、N视频记者指出，尹锡悦居高不下的民调差评率已是常态，其本人习惯于发号施令不善于兼收并蓄，而且极为强势，在这种政治氛围下，尹锡悦政府内部自我调适的机制基本失灵。另外，尹锡悦的表现表明韩国政府外交能力的巨大下滑。
据新华社上海7月24日电24日上午，中国篮协通过社交媒体宣布，李凯尔已经获得中国国籍，并与中国篮协主席姚明见面。
TOP7热点：伊朗称印度“本可发挥更积极作用”，望印度恢复购买伊朗石油永久939w78w78w乳液
西安市教育局表示，将认真听取家长关于教育工作的意见和建议，严格执行上级教育部门考试招生政策，更好地体现教育的公平公正。衷心感谢广大市民朋友对西安教育工作的关注和理解。
TOP8热点：大兴调查研究丨团市委领导调研暑托班新业态新就业群体子女专...91精品国产乱码
在50多年间，中美关系遭遇挑战和困难的时刻，基辛格也总是能够发出相对客观、理性的声音。
TOP9热点：北京市丰台区市场监管局突出四个重点开展“三伏贴”专项检查马会传真――澳门
对于两所高校考察团的到来，郝鹏表示，这是对辽宁非常宝贵的支持，也是非常大的鼓舞，向外界释放了辽宁良好预期。
TOP10热点：河北省衡水市市场监管局桃城区分局严把“三关”保障群众“放...女式开襟睡衣裙子做双人运动动漫
公开简历显示，涂碧波，男，汉族，1966年10月出生，湖南省汉寿县人，1987年7月参加工作，1986年6月加入中国共产党，函授本科。
多媒体引用知情者和居民的说法称，事发时正值学校放暑假，只有校队女排队员正在体育馆内训练，“队员们都是从各年级选拔出来的，前几天刚刚在外地比完赛，最近两天才回到学校。”