阿里通義Qwen2成斯坦福大模型榜單最強開源模型

.. 6月20日消息,斯坦福大學的大模型測評榜單HELM MMLU發佈最新結果,斯坦福大學基礎模型研究中心主任Percy Liang發文表示,阿里通義千問Qwen2-72B模型成為排名最高的開源大模型,性能超越Llama3-70B模型。

MMLU(Massive Multitask Language Understanding,大規模多任務語言理解)是業界最有影響力的大模型測評基準之一,涵蓋了基礎數學、計算機科學、法律、歷史等57項任務,用以測試大模型的世界知識和問題解決能力。但在現實測評中,不同參評模型的測評結果有時缺乏一致性、可比性,原因包括使用非標準提示詞技術、沒有統一採用開源評價框架等等。 

斯坦福大學基礎模型研究中心(CRFM,Center for Research on Foundation Models)提出的基礎模型評估框架HELM(A holistic framework for evaluating foundation models),旨在創造一種透明、可復現的評估方法。該方法基於HELM框架,對不同模型在MMLU上的評估結果進行標準化和透明化處理,從而克服現有MMLU評估中存在的問題。比如,針對所有參評模型,都採用相同的提示詞;針對每項測試主題,都給模型提供同樣的5個示例進行情境學習,等等。

日前,斯坦福大學基礎模型研究中心主任Percy Liang在社交平台發佈了HELM MMLU最新榜單,阿里巴巴的通義千問開源模型Qwen2-72B排名第5,僅次於Claude 3 Opus、GPT-4o、Gemini 1.5 pro、GPT-4,是排名第一的開源大模型,也是排名最高的中國大模型。

據悉,通義千問Qwen2於6月初開源,包含5個尺寸的預訓練和指令微調模型,目前Qwen系列模型下載量已經突破1600萬。

雷峰網


想在手機閱讀更多業界資訊資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems