清華大學(xué)發(fā)布《大語言模型綜合性能評(píng)估報(bào)告》 ：GPT-4第一，文心一言更懂中文

近日，清華大學(xué)新聞與傳播學(xué)院教授、博士生導(dǎo)師沈陽所在團(tuán)隊(duì)發(fā)布了《大語言模型綜合性能評(píng)估報(bào)告》(下文簡(jiǎn)稱“報(bào)告”)，報(bào)告顯示總得分率GPT-4第一，百度文心一言在三大維度20項(xiàng)指標(biāo)中綜合評(píng)分國(guó)內(nèi)第一，超越ChatGPT，其中中文語義理解排名第一，部分中文能力超越GPT-4。

據(jù)了解，報(bào)告本次評(píng)估選取了GPT-4、ChatGPT 3.5、文心一言、通義千問、訊飛星火、Claude、天工7個(gè)大語言模型，圍繞生成質(zhì)量、使用與性能、安全與合規(guī)三大維度，全面考察大語言模型上下文理解、中文語義理解、誤導(dǎo)信息識(shí)別、邏輯推理、內(nèi)容安全性、隱私保護(hù)等20項(xiàng)指標(biāo)。綜合來看，文心一言語義理解能力突出，特別是具備更好的中文理解能力，更懂中國(guó)文化，同時(shí)時(shí)效性強(qiáng)、內(nèi)容安全把握細(xì)微，這源于其知識(shí)增強(qiáng)、檢索增強(qiáng)和對(duì)話增強(qiáng)的技術(shù)創(chuàng)新。

在生成質(zhì)量方面，基于對(duì)語義理解、輸出表達(dá)、適應(yīng)泛化的綜合評(píng)測(cè)，文心一言得分率76.98%，僅次于GPT-4，領(lǐng)先于包括ChatGPT在內(nèi)的其他大語言模型。其中，在部分中文語義理解方面，文心一言以92%的得分率排名榜首。

在安全合規(guī)方面，基于對(duì)內(nèi)容安全性、偏見和公平性、隱私保護(hù)等綜合評(píng)測(cè)，文心一言得分率 78.18%，與GPT-4并列排名第一。