上海人工智慧實驗室近期進行了一場別開生面的“高考”，7個AI模型，包括GPT-4o在內，接受了語文、數學和英語的全面測試，使用了全國新課標I捲和人工閱卷的方式，力求確保測試的公平公正。此測驗旨在評估AI模型在處理高考題型上的能力，並為未來AI技術發展提供參考資料。參與測試的模型涵蓋了國內外多個知名機構，展現了當前AI技術發展的不同方向和層次。
在人工智慧的世界裡，高考不再只是人類的舞台。最近，上海人工智慧實驗室用一場別開生面的“高考”，讓我們見證了AI的學術實力。他們採用了OpenCompass評測體系，讓包括GPT-4o在內的7個AI模型，接受了語文、數學和英文的全面能力測驗。
這場測驗採用的是全國新課標I卷，確保了所有參與的開源模型都是在高考前就已經開源，保證了測試的公正性。而且，這些AI的「答案」是由有高考評卷經驗的教師人工評判的，力求接近真實的閱卷標準。
參與評測的模型來自不同的背景，有法國AI新創公司Mistral開源的Mixtral8x22B對話模型，零一萬物公司的Yi-1.5-34B，智譜AI的GLM-4-9B，上海人工智慧實驗室的InternLM2 -20B-WQX，以及阿里巴巴的Qwen2系列。 GPT-4o作為閉源模型參與評測，僅作為參考。
成績揭曉，Qwen2-72B以303分的總分位列第一，GPT-4o以296分緊隨其後，InternLM2-20B-WQX則以295.5分位列第三。這些模型在語文和英語科目上表現不俗，語文平均得分率達了67%，英語更是高達81%。然而，在數學科目上，所有模型的平均得分率僅為36%，顯示出AI在數學推理方面還有很大的提升空間。
閱卷教師對AI模型的答案卷進行了全面分析。在語文科目中，模型們普遍閱讀理解現代文較為得心應手，但在文言文和作文上則稍顯不足。數學方面，模型們的公式記憶能力雖強，但在解題過程中的靈活運用上仍有不足。英語科目整體表現良好，但在某些題型上，部分模型的得分率較低。
這次「大模型高考」不僅讓我們看到了AI在學術領域的潛力，也揭示了它們在理解和應用知識上的限制。隨著科技的不斷進步，我們有理由相信，未來的AI將變得更加聰明，更好地服務人類社會。
透過這次AI“高考”，我們可以清楚地看到AI技術的進步和不足，這為未來的AI發展提供了寶貴的經驗，也為我們對人工智慧的理解提供了新的視角。相信在不久的將來，AI將在更多領域展現出更強大的能力。