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

近日，清華大學新聞與傳播學院教授、博士生導師沈陽所在團隊發(fā)布了《大語言模型綜合性能評估報告》(下文簡稱“報告”)，報告顯示總得分率GPT-4第一，百度文心一言在三大維度20項指標中綜合評分國內(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，報告本次評估選取了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、誤導信息識別、邏輯推理、內(nèi)容安全性、隱私保護等20項指標。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，更懂中國文化，同時時效性強、內(nèi)容安全把握細微，這源于其知識增強、檢索增強和對話增強的技術創(chuàng)新。

在生成質(zhì)量方面，基于對語義理解、輸出表達、適應泛化的綜合評測，文心一言得分率76.98%，僅次于GPT-4，領先于包括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，基于對內(nèi)容安全性、偏見和公平性、隱私保護等綜合評測，文心一言得分率 78.18%，與GPT-4并列排名第一。