清華發(fā)布最新全球大模型評測:智譜GLM-4、文心一言直追GPT-4，Llama 3表現(xiàn)不俗

　　日前，Meta發(fā)布最新開源模型Llama 3并號稱是性能最好開源大語言模型，極有可能超過當(dāng)前的閉源王者GPT-4 Turbo。那么，Llama 3能力究竟如何?

　　4月24日，由清華大學(xué)基礎(chǔ)模型研究中心聯(lián)合中關(guān)村實驗室研制的SuperBench大模型綜合能力評測平臺，基于語義、對齊、代碼、安全和智能體5項大模型原生評測基準(zhǔn)，展開開放性、動態(tài)性、科學(xué)性和權(quán)威性的大模型綜合能力評測，率先剖析Llama 3模型能力。

　　《SuperBench大模型綜合能力評測報告》對Llama 3-8B、Llama 3-70B等16個海內(nèi)外具有代表性的模型進(jìn)行了評測。結(jié)果顯示，Llama 3與GPT-4系列模型仍有一定差距，而國內(nèi)大模型智譜AI的GLM-4與百度文心一言4.0在多項評測中進(jìn)入榜單前五名，超過Llama 3。

　　在語義理解能力評測中，國內(nèi)大模型GLM-4、文心一言4.0分別位列第二名、第三名，僅次于Claude-3，但超過GPT-4網(wǎng)頁版與GPT-4 Turbo，穩(wěn)占第一梯隊。Llama 3-70B、Llama 3-8B則分別位列第六名、第十六名。

　　而在智能體能力評測中，Llama 3-70B躋身榜單前五名，這也是該模型五項評測排名最高的一次。在代碼編寫能力、人類對齊能力、安全和價值觀三項評測中，Llama 3-70B均排在第七名，超過大部分國內(nèi)大模型，只落敗于GLM-4和文心一言4.0，Llama 3-8B排名相對靠后，考慮到模型參數(shù)量的差異，Llama 3-70B整體表現(xiàn)較好。

　　相較之下，表現(xiàn)出色的國內(nèi)大模型GLM-4全面對標(biāo)OpenAI，在五項能力評測中均緊追GPT-4系列模型與Claude-3，堪稱“全能選手”。同時，在代碼、智能體兩項大模型關(guān)鍵能力評測中，GLM-4排名僅次于GPT-4系列模型和Claude-3，位列國內(nèi)第一。

　　在安全價值觀能力評測中，文心一言4.0拿下最高分，超越GPT-4系列模型和Claude-3。在智能體能力評測中，文心一言4.0表現(xiàn)較差。

　　總體而言，雖然國內(nèi)大模型與國際頂尖模型之間還存在差距，但正逐步縮小這一差距。相信在政策支持和技術(shù)創(chuàng)新的推動下，國內(nèi)大模型將取得顯著成就，推動我國人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展。