清华最新报告评估 文心大模型3.5部分中文能力超越GPT-4

 　　近日，清华大学新闻与传播学院沈阳团队发布《大语言模型综合性能评估报告》(下文简称“报告”)，报告显示百度文心一言在三大维度20项指标中综合评分国内第一，超越ChatGPT，其中中文语义理解排名第一，部分中文能力超越GPT-4。

　　清华大学新闻与传播学院教授、博士生导师沈阳表示：“今年3月，百度在全球大型科技公司中率先发布了大语言模型文心一言，让中国第一时间参与到世界前沿科技竞争中。我们在这次评测中也看到了文心一言各方面能力的进步，特别是在中文语义理解方面，表现惊艳。国产大模型的快速发展，让技术落地更可期。”

　　据了解，报告本次评估选取了GPT-4、ChatGPT 3.5、文心一言、通义千问、讯飞星火、Claude、天工7个大语言模型，围绕生成质量、使用与性能、安全与合规三大维度，全面考察大语言模型上下文理解、中文语义理解、误导信息识别、逻辑推理、内容安全性、隐私保护等20项指标。

　　综合来看，文心一言语义理解能力突出，特别是具备更好的中文理解能力，更懂中国文化，同时时效性强、内容安全把握细微，这源于其知识增强、检索增强和对话增强的技术创新。

　　在生成质量方面，基于对语义理解、输出表达、适应泛化的综合评测，文心一言得分率76.98%，仅次于GPT-4，遥遥领先于包括ChatGPT在内的其他大语言模型。

　　其中，在部分中文语义理解方面，文心一言以92%的得分率排名榜首，超越讯飞星火、GPT-4。凭借知识增强的核心特色，文心一言对本土语言特性把握更精准，同时由于训练语料中包含大量本土文本，对本土文化理解也更深刻，能够更好处理与本土文化相关的主题和背景，如诗歌、方言等，具备更强的国内落地空间。

　　在安全合规方面，基于对内容安全性、偏见和公平性、隐私保护等综合评测，文心一言得分率78.18%，与GPT-4并列排名第一，远超其他大语言模型。报告显示，文心一言内容安全性好，注重用户隐私保护和版权保护。

　　据了解，百度在“芯片-框架-模型-应用”人工智能四层技术栈全面布局，其自研深度学习平台飞桨有力支撑了文心大模型的高效训练和推理，截至目前飞桨已凝聚750万名开发者。

　　飞桨与文心协同优化，文心大模型3.5最新版本实现了基础模型升级、精调技术创新、知识点增强、逻辑推理增强等，模型效果提升50%，训练速度提升2倍，推理速度提升30倍。

　　当下，推进行业大模型应用落地成为大势所趋。百度文心大模型此前已联合国家电网、浦发银行、泰康、吉利等企业单位，合作发布了11个行业大模型。目前文心大模型拥有中国最大的产业应用规模，15万家企业申请接入文心一言测试，在超过400个场景中已取得相当不错的测试效果。