用技术望远镜看国内大模型：文心闪耀 双榜领跑

中国大模型应用，正在进入“可观测期”。
《中国大模型中标项目监测报告（2024年5月）》中显示，截至5月，中国大模型的相关中标金额已经超过2023年全部中标项目的披露金额。

---

在大模型全面落地四处开花的同时，大模型正摆脱“不可观测”状态，过去由于大量大模型应用在B端，信息相对封闭，对于产业来说，他们很难清晰获知大模型技术水平、擅长领域、落地能力，无形中增加了智慧化转型的决策成本。
随着大模型技术评测体系的逐渐成熟，我们仿佛拥有了天文望远镜，可以在群星闪耀中，找到那颗最耀眼的星。

最近，国际权威机构IDC发布了《中国大模型市场主流产品评估，2024》，智源研究院打造的FlagEval天秤大模型评测平台也发布了最新一期模型评测排行榜单，两项评测中百度文心大模型实现了双榜夺魁。
“望远镜”背后技术评价机制
我们可以简单看看，这两架“天文望远镜”分别采用了哪些评价机制。
IDC的评估分为基础能力和应用能力，其中基础方面涉及问答、推理、创作、数学、代码等能力，应用方面既考验toC通用场景，也考验金融、零售、法律等toB细分场景。
尽管有GPT-4这样的有力对手，文心一言仍然在七大维度全面领先。
智源研究院打造的FlagEval天秤大模型测评平台发布于2023年，面向视频、语音、多模态等多个领域，在FlagEval大语言模型评测体系当前包含6大评测任务，近30个评测数据集，超10万道评测题目。
在闭源对话模型榜单中，文心大模型4.0以89.72的综合评分排名第一，OpenAI的GPT-4o等位列其后。
可见不论是从全领域能力角度进行评估，还是考察至关重要的大语言水平，文心一言毫无疑问都是中文大模型的榜首，是星海中光芒最耀眼的一颗。
技术之光
抬头仰望星空时，我们看到的，其实是星星几年，甚至几十几百年以前留下的掠影。
同样，想要让大模型从“不可观测”变为“可观测”，除了对当下的技术能力进行评测，我们也要回溯光芒的源头，也就是大模型的技术内核。
从文心大模型来看，这种技术之光可以分为两个层面：
第一层，是技术投入的“原生光芒”。
百度对于深度学习的探索挖掘，包括对AI技术的应用，已经有十数年之久。在大模型热还未被掀起的2019年，百度就打造了第一代文心大模型体系，从而才有了建立在文心大模型之上的文心一言。
如今经过数次迭代，文心大模型在理解、生成、逻辑、记忆四大能力让其他厂商难以望其项背。IDC报告中就显示，在数学类和代码类等考验模型逻辑、推理等能力的评测中，百度文心大模型体现出了强大的体系化思维、逻辑思维和抽象思维能力。
能力迭代背后，是文心大模型有条不…

Access the full article here.

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。