大模型参加高考，能考多少分？近日，科技创新互换平台极客公园发布高考新课标Ⅰ卷大模型评测报告，在参试大模型中，GPT-4o以562分的成绩排名文科第一。
参加评测的8款国产大模型中，字节跳动旗下的豆包成绩是542.5分，其后依次是百度文心一言4.0的537.5分和百川智能“百小应”的521分。
本次大模型高考评测与河南省考卷完备相同，以上3款国产大模型均超过河南文科一本线521分。
GPT-4o的562分在河南文科考生中可排名8811名，相称于前2.45%；豆包处于前4.27%，靠近顶尖大模型的水平。

文综评测中，GPT-4o获237分，优于多数人类考生。
国产大模型中，豆包文综成绩最高，得分224.5分，个中历史达到82.5分，在所有9款大模型中排第一。
地理考卷有大量图片考题，图像理解能力较强的GPT-4o得到最高分，但仅有68分。

语文、英语评测中，多家大模型在客不雅观题上拿满分。
但写作文是弱项。
多次参加全国高考语文阅卷的北京市级骨干西席、怀柔区语文学科带头人夏老师是本次评测的作文阅卷人。
她认为，“AI作文有清晰完全的构造，有逻辑性，措辞畅通流畅，但缺少感情和传染力”。
同理，在40分的英语写作考试中，大模型的最高分只有29分，紧张丢分在表达空泛、短缺细节上。

值得把稳的是，大模型高考呈现出严重的偏科征象：数学、物理、化学等数理学科全线不及格，总分最高分不到480。
而河南理科一本线是511分。
最顶尖的大模型无法进入理科考生的前30%。

数学评测中，仅GPT-4o、文心一言4.0和豆包得到60分以上成绩（满分150分）。
大模型能准确利用求导公式和三角函数定理，但面对较为繁芜的推导和证明问题就很难得分。
物理有一道送分的选择题，人类考生根据“韶光不会倒流”可以轻易选对答案，大模型则全军覆没。

“目前的大措辞模型实质上是笔墨接龙，基于海量资料，预测下一个最可能涌现的词句。
通过不断预测，天生连贯和完全的文本。
应对文科考试，大模型的用词不准或用了近义词，不太影响评分。
但理科考试磨练推理和打算，比如一道题有五步推理，大模型走偏一步，答案就全错。
而且大模型的演习数据中，文科语料要远远大于理科语料。
”海内一位大模型研发专家见告科技日报。

近期，有一些国内外大模型在奥数题评测（非奥数现场比赛）上拿到不错的成绩。
对此，该专家阐明，用大家都演习过的公开数据集评测，大模型的准确率很高；但用比较新的数据集去测试，准确率就大大低落。
最新的高考题是哪家大模型都没有演习过的，磨练的是数学推理和打算的泛化能力，这就暴露了大模型的短板。

北京大学打算措辞学研究所教授穗志方近日也表示，大模型在中国高考、公务员考试和美国SAT考试等标准化考试中的表现是利害兼具的。
一些大模型在SAT数学测试中表现精良，但在繁芜推理或特定知识领域中的表现不足出色。

“在大模型内在机理没有探究清楚的情形下，我们目前的评测路径只能依赖从外部表现来推测内在能力。
”穗志方说，未来应发展更系统的评测大纲、更具寻衅的评测任务、更科学的评测方法。
AI是否比人类更适宜考试？尚未可定论。

来源： 科技日报