模型表现好，金牌少不了。

刚刚，中文大模型测评基准 SuperCLUE 发布《中文大模型基准测评 2024 年 10 月报告》：

商汤日日新 · 商量大模型（SenseChat5.5）凭借出色的能力表现，总得分位列国内大模型第一梯队，获得金牌。

本次 SuperCLUE10 月报告覆盖 23 个国内模型，聚焦语言大模型的通用能力评估，分为三大维度：除了考察 " 文科 "、" 理科 " 基础能力外，还有考察模型更高阶能力的 "Hard" 附加任务，总共 2900+ 道题：

【理科任务】分为计算、逻辑推理、代码、工具使用测评集；

【文科任务】分为知识百科、语言理解、长文本、角色扮演、生成与创作、安全六大测评集；

【Hard 任务】分为精确指令遵循测评集，复杂任务高阶推理测评集。

商汤 SenseChat5.5 在多项评测任务中均位列第一梯队，文科中语言理解、安全等维度表现突出，也是理科中逻辑推理、代码学科的 " 尖子生 "。

值得注意的是，在【Hard】的两项任务——精准指令遵循和高阶推理中，商汤 SenseChat5.5 是唯一两项任务均位于国内第一梯队的大模型，体现了模型优秀的复杂推理智能。

SuperCLUE 本次报告显示，国内大模型的能力与 ChatGPT-4o-latest 表现接近，o1-preview 则在复杂任务中更为突出。未来，商汤将继续坚持基础大模型的持续研发与投入，不断提升真正高阶推理及 " 慢思考 " 能力。

雷峰网