SuperCLUE中文大模型评测：商汤商量揽总榜、AI智能体两项第一
近日，中文通用大模型综合性评测基准SuperCLUE发布9月总排行榜和各个分类任务榜单，商汤商量SenseChat 3.0 位列中文大模型总榜排名第一。
近日，中文通用大模型综合性评测基准SuperCLUE发布9月总排行榜和各个分类任务榜单，商汤商量SenseChat 3.0 位列中文大模型总榜排名第一。在新增的AI Agent（AI智能体）子榜中，SenseChat 3.0 同样排名第一，领先所有国内中文大模型以及GPT-3.5 和 Claude 2，表现仅次于GPT-4，展示了商汤在大模型领域创新发展及释放生产力的优势，以及在探索AGI道路上的积累与潜力。
注：国外代表性模型（GPT4.0/Claude2/gpt-3.5）不参与排名。
SuperCLUE是中文通用大模型的综合性评测基准，旨在对大模型在各个能力维度上的表现进行全方位的评估，是国内最具专业性和代表性的中文大模型评测基准之一。此次评测选取了目前国内外最具代表性的20个通用大语言模型。
商量总榜第一，客观题成绩超GPT-3.5
9月最新发布的SuperCLUE总排行榜和各个分类任务榜单，主要聚焦于大模型的四个能力象限，语言理解与生成，包括语言理解与抽取、上下文对、生成与创作、角色扮演；专业技能与知识，包括知识与百科、计算、代码、逻辑与推理；Agent智能体，包括工具使用、任务规划；安全性，包括系统安全、指令攻击，总共12项基础能力。
在总排行榜中，商汤科技商量SenseChat 3.0以总分62.75分位列第一，其中在OPT客观题部分，商汤SenseChat 3.0得分还超过了GPT-3.5，展示了在中文大模型方面极强的综合竞争力。
商汤商量SenseChat于2023年4月正式推出，是国内最早的基于千亿参数大语言模型之一，并不断迭代更新。其背后依托的是商汤AI大装置SenseCore，目前上线GPU数量约30,000块，算力规模提升至6 ExaFLOPS，有效支持语言大模型的训练、升级迭代和服务。
推动AI智能体发展，加速迈向AGI
随着大模型发展，“聊天”已远远不能满足人们的要求，能够准确使用工具成为解放大模型生产力的关键。SuperCLUE新增的AI Agent（AI智能体）子榜，是业界首个AI Agent榜单，它重点评估了AI Agent在“工具使用”和“任务规划”两个关键能力上的表现。评测显示商汤商量SenseChat 3.0具备作为人类超级助手的潜力，可以根据人类需求自主完成任务，进而充分释放大模型的生产力，使其在 AI Agent 榜单上表现仅次于GPT-4，全面领先其余参评大模型。
目前全球领先的AI 智能体，几乎都以领先大模型GPT-4为核心驱动，它们借助强大的工具使用能力等，可将复杂问题拆解成可实现的子任务、类人的自然语言交互等能力。商量SenseChat 3.0作为领先的中文大模型，通过使用代码解释器、API调用和搜索三类常用工具来解决复杂任务，灵活搭建AI智能体应用，支撑企业的生产力革新。
目前，商量SenseChat已经在金融、手机、医疗、汽车、地产、能源、传媒、工业制造等众多垂直行业与超过500家客户建立了深度合作。作为具备强大工具使用能力的大模型，商量SenseChat的持续快速提升，为商汤发展更强大的、能够像人类一样进行交互的AI智能体，以及面向AGI道路的探索，都将提供重要的基础和支撑。
- 董宇辉：我已经失去了所有快乐的前提2024-11-13
- 超越GPT-4o！阿里云开源最强代码模型Qwen2.5-Coder2024-11-12
- 聚焦内地和香港创新合作发展，2024香港紫荆花创科论坛成功举办2024-11-12
- 字节豆包通用图像编辑模型SeedEdit开启测试 用户可一句话轻松改图2024-11-11
相关阅读
