昨天（5月9日），中文通用大模型基準（SuperCLUE）正式發(fā)布，該基準測試主要是評測在當前通用大模型大力發(fā)展的情況下，中文大模型的效果情況。包括但不限于：這些模型哪些相對效果情況、相較于國際上的代表性模型做到了什么程度、 這些模型與人類(lèi)的效果對比如何？

該模型可通過(guò)多個(gè)層面，考驗市面上主流的中文GPT大模型的能力：

基礎能力：包括了常見(jiàn)的有代表性的模型能力，如語(yǔ)義理解、對話(huà)、邏輯推理、角色模擬、代碼、生成與創(chuàng )作等10項能力。

專(zhuān)業(yè)能力：包括了中學(xué)、大學(xué)與專(zhuān)業(yè)考試，涵蓋了從數學(xué)、物理、地理到社會(huì )科學(xué)等50多項能力。

中文特性能力：針對有中文特點(diǎn)的任務(wù)，包括了中文成語(yǔ)、詩(shī)歌、文學(xué)、字形等10多項能力。

該機構利用SuperCLUE測試基準，對市面上主流的支持中文的通用大模型進(jìn)行了評測與排名。從排名中我們可以看出，GPT-4一騎絕塵，已經(jīng)非常接近人類(lèi)的能力。國產(chǎn)大模型中科大訊飛研發(fā)的星火認知大模型總排名第三，國內排名第一。

以下為該機構公布的各個(gè)子項目的具體得分。排行榜會(huì )定期更新，并于以下網(wǎng)站進(jìn)行公示。

www.CLUEbenchmarks.com/superclue.html