首页 资讯 正文

健康从“齿”开始 绵阳石马小学举办儿童口腔疾病综合干预公益活动

体育正文 162 0

健康从“齿”开始 绵阳石马小学举办儿童口腔疾病综合干预公益活动

健康从“齿”开始 绵阳石马小学举办儿童口腔疾病综合干预公益活动

2025年高考大幕(dàmù)虽已落下(làxià),但关于数学科目难度的讨论热度不减。

《每日经济新闻》记者(以下简称(jiǎnchēng)“每经(měijīng)记者”)选取今年的(de)全国新课标数学I卷作为考题,对DeepSeek-R1、腾讯(téngxùn)元宝(混元(hùnyuán)T1)、OpenAI的o3、谷歌的Gemini 2.5 Pro和xAI的Grok3等十款AI推理大模型进行了测评,以检验当今主流AI推理大模型的数学能力。

测评结果显示,国产大模型DeepSeek-R1与(yǔ)腾讯混元(hùnyuán)T1以零错误并列榜首。而被马斯克称为“地表最强AI”的Grok 3却遭遇“滑铁卢”,排名倒数(dàoshǔ)第三。

本次测评以2025年全国新课标(xīnkèbiāo)数学I卷(总分150分)作为考题(kǎotí)。但每经记者在测试中发现,部分AI推理模型以“重要考试期间”为由拒绝对包含(bāohán)试题的图片进行识别和解答。

为了让(ràng)所有(suǒyǒu)参评大模型站在同一起跑线,测评移除了试卷中(zhōng)所有需要分析图形和图表的题目,形成一份有效总分为117分的标准化试卷。

同时,对于谷歌Gemini 2.5 Pro等没有这一限制的推理模型(móxíng),仍将(jiāng)以150分的完整(wánzhěng)试卷进行测试,旨在测试推理大模型所能达到的最高水平。

扣分标准上,每经记者在选择题和填空题上都遵循了高考评卷的(de)扣分标准,但对于解答题,本次测评只(zhǐ)根据结果计算得分,不对过程(guòchéng)打分。

需要说明的是,在此次(cǐcì)测试中,每款推理大模型只进行单次测试,得分(défēn)也仅反映单次测试的结果。

DeepSeek-R1和腾讯(téngxùn)混元T1并列第一

在(zài)排除了图形/图表题的117分试卷测试中,DeepSeek-R1与腾讯混元T1展现出(zhǎnxiànchū)了绝对的优势,以零(líng)错误的完美表现,取得了117分的满分成绩,并列第一。这表明,在代数计算和函数题等题型解答上,其能力已经达到了极高的水准和稳定性(wěndìngxìng)。

讯(xùn)飞星火(xīnghuǒ)X1以112分的成绩紧随其后。相较于DeepSeek-R1与腾讯混元T1这两款大(dà)模型,讯飞星火X1多错了一道填空题。这道题的正确答案是“±2”,而讯飞星火X1给出的答案是“2”。实际上,该模型的推理过程没有问题(wèntí),认为“2”和“-2”都满足题目条件,但陷入(xiànrù)自我怀疑,最终只给出了答案“2”。

讯飞星火X1的(de)推理过程

其他得分(fēn)超过(chāoguò)100分的还有Gemini 2.5 Pro(109分)、o3(107分)、阿里千问Qwen3(106分)和豆包深度思考模式(móshì)(104分)。在分数占比最高的解答题上,Gemini 2.5 Pro和o3均有失误,其中(qízhōng)一道大题仅有部分正确,而(ér)阿里千问Qwen3和豆包深度思考模式均拿下满分。

Grok 3惨遭“滑铁卢”,排名倒数第三(dìsān)

在本次参评的所有AI推理大模型(móxíng)中,如果说有谁的结果最令人意外,那无疑是(shì)马斯克旗下xAI公司开发的、被马斯克称为“地表最强(zuìqiáng)AI”的Grok 3。

Grok在发布之初就被市场(shìchǎng)寄予厚望,被认为是最(zuì)有潜力挑战GPT和Gemini霸主地位的(de)“黑马”。马斯克多次暗示,Grok的目标是成为最强大的AI。

然而,Grok 3此次的表现可以(kěyǐ)说是遭遇了“滑铁卢”。在117分的试题测试中(zhōng),Grok 3仅(jǐn)获得91分,在10个参与测试的推理大模型中排名倒数第三

深入分析其答卷,每经记者发现,Grok 3失分的(de)一个独特且(qiě)关键的原因:它似乎无法正确理解多选题这类题型。

测试(cèshì)过程显示,即使在记者提示题目为多选题的情况下,Grok 3也“顽固”地(dì)只给出一个它认为的最优(zuìyōu)解,导致只能得到部分分数。

排名倒数第二(dìèr)的(de)是智谱清言推理模式,在117分试卷的测试中得分为78分。

实际上,该模型在多道题目的推理过程(guòchéng)中都找到了正确答案,但是往往会(huì)在最后一步出现自我(zìwǒ)怀疑导致逻辑崩溃,陷入循环,最终功亏一篑,白白丢了很多分。

智谱清言(qīngyán)推理模式解答过程截图

排在最末尾的(de)是Kimi k1.5,该模型在最后两道压轴大题上(shàng)栽了大跟头,损失了大量的分数。

综合所有测试情况来看,在(zài)(zài)处理有固定步骤和严密逻辑的数学问题上,AI推理大模型已经具备很强的能力。但在涉及抽象和创新(chuàngxīn)思维的题目上,目前的大模型还存在一定的局限性。

记者(jìzhě)|岳楚鹏 高涵

编辑(biānjí)|金冥羽 兰素英 盖源源

封面(fēngmiàn)图片来源:视觉中国

|每日经济新闻(xīnwén) nbdnews 原创文章|

未经许可禁止转载、摘编、复制及镜像等(děng)使用

健康从“齿”开始 绵阳石马小学举办儿童口腔疾病综合干预公益活动

欢迎 发表评论:

评论列表

暂时没有评论

暂无评论,快抢沙发吧~