模型表現好，金牌少不了。
剛剛，中文大模型測評基準SuperCLUE釋出《中文大模型基準測評2024年10月報告》：
商湯日日新·商量大模型（SenseChat5.5）憑藉出色的能力表現，總得分位列國內大模型第一梯隊，獲得金牌。
本次SuperCLUE10月報告覆蓋23個國內模型，聚焦語言大模型的通用能力評估，分為三大維度：除了考察“文科”、“理科”基礎能力外，還有考察模型更高階能力的“Hard”附加任務，總共2900+道題：
【理科任務】分為計算、邏輯推理、程式碼、工具使用測評集；
【文科任務】分為知識百科、語言理解、長文字、角色扮演、生成與創作、安全六大測評集；
【Hard任務】分為精確指令遵循測評集，複雜任務高階推理測評集。
商湯SenseChat5.5在多項評測任務中均位列第一梯隊，文科中語言理解、安全等維度表現突出，也是理科中邏輯推理、程式碼學科的“尖子生”。
值得注意的是，在【Hard】的兩項任務——精準指令遵循和高階推理中，商湯SenseChat5.5是唯一兩項任務均位於國內第一梯隊的大模型，體現了模型優秀的複雜推理智慧。
SuperCLUE本次報告顯示，國內大模型的能力與ChatGPT-4o-latest表現接近，o1-preview則在複雜任務中更為突出。未來，商湯將繼續堅持基礎大模型的持續研發與投入，不斷提升真正高階推理及“慢思考”能力。