大模型參加高考，能考多少分，上什么大學(xué)？

6月24日，在極客公園最新發(fā)布的高考新課標(biāo)Ⅰ卷大模型評(píng)測(cè)報(bào)告中，GPT-4o 以562分排名文科總分第一。國(guó)內(nèi)產(chǎn)品中，字節(jié)跳動(dòng)旗下的豆包拔得頭籌，成績(jī)是542.5分，其后依次是百度文心一言4.0的537.5分、百川智能“百小應(yīng)”的521分。本次大模型高考評(píng)測(cè)與河南省考卷完全相同，河南高考錄取分?jǐn)?shù)線顯示，文科本科一批錄取分?jǐn)?shù)線為521分，豆包等三款國(guó)產(chǎn)AI成功沖上一本線。

與文科相比，大模型的理科成績(jī)要差很多，最高分還不到480分，多數(shù)大模型的理科總分在400分以下。相比河南理科511分的一本線，大模型尚有較大差距。

大語(yǔ)言模型遇上語(yǔ)言考試：有望沖滿分

語(yǔ)文、英語(yǔ)的語(yǔ)言類考試，是大模型有能力和人類考生較量的賽場(chǎng)，多家產(chǎn)品能拿到客觀題目的滿分或接近滿分。

憑借中文語(yǔ)言的“主場(chǎng)優(yōu)勢(shì)”，三款國(guó)產(chǎn)大模型產(chǎn)品獲得了語(yǔ)文考試前三名，分別是百小應(yīng)、字節(jié)豆包和騰訊元寶，得分依次為128分、125.5分和120.5分。除了少數(shù)開放性的閱讀理解和語(yǔ)言文字運(yùn)用問(wèn)題，各家大模型主要丟分在語(yǔ)文寫作上。

作為本次評(píng)測(cè)的語(yǔ)文作文閱卷人，北京市級(jí)骨干教師、懷柔區(qū)語(yǔ)文學(xué)科帶頭人夏老師曾多次參加全國(guó)高考語(yǔ)文閱卷。夏老師認(rèn)為：“Al寫出的文章大多有清晰完整的結(jié)構(gòu)，有邏輯性，語(yǔ)言通順流暢。但其理性有余，感性不足，缺乏感情色彩，自然就缺乏感染力?！?/p>

英語(yǔ)寫作同樣是大模型的一大難題。本次評(píng)測(cè)默認(rèn)所有大模型的聽力都獲得30分滿分。在閱讀和語(yǔ)言運(yùn)用兩大項(xiàng)客觀問(wèn)題的考試上，GPT-4o、百小應(yīng)、通義千問(wèn)獲得80分滿分，豆包和文心一言4.0也接近滿分。但是在40分的寫作考試中，最高分只有29分，分別由GPT-4o和百小應(yīng)獲得，各家模型的英語(yǔ)寫作主要丟分在表達(dá)空泛、缺少細(xì)節(jié)上。如果大模型在未來(lái)能夠提升寫作能力，獲得高考滿分并非難事。

文綜出色，豆包獲“歷史”最高分

在由歷史、地理、政治組成的新課標(biāo)文綜考卷評(píng)測(cè)中，GPT-4o獲得237分的成績(jī)，平均分達(dá)到79分，優(yōu)于多數(shù)人類考生。國(guó)產(chǎn)大模型產(chǎn)品中，豆包的文綜成績(jī)最高，分?jǐn)?shù)達(dá)到224.5分，其中歷史科目拿到82.5分，在所有9款大模型中得分第一。

政治考試中，GPT-4o出人意料的獲得了88分的最高分，百小應(yīng)和豆包得分超過(guò)80。地理考卷則有大量圖片問(wèn)題，對(duì)一眾大模型是不小的挑戰(zhàn)，圖像理解能力較強(qiáng)的GPT-4o得到最高分，但僅有68分。

河南高考分?jǐn)?shù)段統(tǒng)計(jì)數(shù)據(jù)顯示，GPT-4o的562分在文科考生中排名8811名，相當(dāng)于人類考生的前2.45%，豆包則處于前4.27%的位置。在過(guò)去一年多時(shí)間里，國(guó)產(chǎn)AI技術(shù)能力獲得了長(zhǎng)足進(jìn)步，目前已經(jīng)接近國(guó)際頂尖大模型的水平。

數(shù)理全線不及格，AI有待提升

與人類頂尖考生相比，大模型在數(shù)學(xué)、物理、化學(xué)等數(shù)理學(xué)科上差距極大，包括GPT-4o在內(nèi)的所有大模型都無(wú)法達(dá)到及格水平。盡管在語(yǔ)文、英語(yǔ)兩科上能獲得高分，大模型的理科最好成績(jī)還無(wú)法進(jìn)入人類考生的前30%。

以數(shù)學(xué)試卷為例，9款大模型產(chǎn)品中，僅GPT-4o、文心一言4.0和豆包獲得60分以上成績(jī)（滿分150分），目前的大模型只能正確推理步驟相對(duì)簡(jiǎn)單的問(wèn)題。據(jù)測(cè)試機(jī)構(gòu)透露，豆包等大模型能準(zhǔn)確運(yùn)用求導(dǎo)公式和三角函數(shù)定理，但是面對(duì)較為復(fù)雜的推導(dǎo)和證明問(wèn)題就很難繼續(xù)得分。

重點(diǎn)考查實(shí)驗(yàn)探究能力的化學(xué)和物理試卷，各模型平均分更是只有34分和39分（滿分為100和110）?；瘜W(xué)單項(xiàng)最高分由豆包獲得，成績(jī)?yōu)?9.5分，GPT-4o僅有42分。大模型在應(yīng)對(duì)考試的靈活性上也不如人類。例如物理有一道送分題，人類考生根據(jù)“時(shí)間不會(huì)倒流”可以排除錯(cuò)誤選項(xiàng)，輕易選對(duì)正確答案“C”，大模型則幾乎全軍覆沒(méi)。要學(xué)會(huì)像人類一樣思考和解決問(wèn)題，大模型還有很長(zhǎng)的路要走。

南都記者 汪陳晨