一线｜中文通用大模型基准测试发布：GPT-4无限接近人类

腾讯新闻《一线》 作者 何西

5 月 9日，中文NLP领域测试社区发布了中文通用大模型综合性评测基准SuperCLUE。该基准测试主要关注以下问题：中文大模型在不同任务上的表现如何？与国际代表性模型相比，中文大模型的表现达到了何种程度？中文大模型与人类表现相比如何？

该模型可通过多个层面，考验市面上主流的中文GPT大模型的能力。

基础能力:包括了常见的有代表性的模型能力，如语义理解、对话、逻辑推理、角色模拟、代码、生成与创作等10项能力。

专业能力:包括了中学、大学与专业考试，涵盖了从数学、物理、地理到社会科学等50多项能力。

中文特性能力:针对有中文特点的任务，包括了中文成语、诗歌、文学、字形等10项多种能力。

该机构利用SuperCLUE测试基准，对市面上主流的支持中文的通用大模型进行了评测与排名。排名显示，GPT-4一骑绝尘，已经非常接近人类的能力。而在国产大模型中，科大讯飞研发的星火认知大模型总排名第三，百度开发的文心一言排名第九。

总榜单如下：

基础能力榜单如下：

中文特性榜单如下：