GPT-4、KimiChat、文心一言……14个国内外热门大模型综合能力评测报告出炉

大模型在2023年的“百模大战”中，众多实践者推出了各类模型，这些模型有的是原创的，有的是针对开源模型进行微调的；有些是通用的，有些则是行业特定的。如何能合理地评价这些模型的能力，成为关键问题。全文共计1005字，预计阅读时间3分钟来源 | 清华大学人工智能研究院（转载请注明来源）编辑 | 数据君尽管国内外存在多个模型能力评测榜单，但它们的质量参差不齐，排名差异显著，这主要是因为评测数据和测试方法尚不成熟和科学。为提供客观、科学的评测标准，清华大学基础模型研究中心联合中关村实验室研制了SuperBench大模型综合能力评测框架，旨在推动大模型技术、应用和生态的健康发展。近期，SuperBench团队发布了2024年3月的《SuperBench大模型综合能力评测报告》。在此评测中，SuperBench团队选定了GPT-4 Turbo、GPT-4 网页版、Claude-3 ………………………………