C-Eval， GPT4 节节败退，跌出前十。。。。

[luchenwei9266]

讲道理，虽然 C-Eval 是中文的评估套件，GPT4 跌出前十，前面的都是国产大模型，这些勉强都能理解接受。

可是排名这一块，居然还有排名第 0 位的，这是几个意思。。。

附个网页链接： https://cevalbenchmark.com/static/leaderboard_zh.html

[0m9ionbP8wuvs8S3]

国产，自研，弯道超车，遥遥领先
🤣

[akira]

想吐槽点啥，但是槽点太多了，以至于不知道怎么说好

[yiencho]

遥遥领先，遥遥领先！~~~

[234ygg]

小镇做题家从人变模型了是吧😅
gpt4 是在规模部署的前提下实现当前性能的，不能以低于 20 刀/月的价格规模推广的就别来比了，田忌赛马也要让人见到马吧。
而且，最少也请做个网页版，并提供 API 。

[weilongs]

这有点 不厚道吧？

[h272377502]

@bt7vip 不是有 api 吗。。。

[cherryas]

chatgpt 本来就对中国的人文历史社科胡编乱造，中国的测试打不过其他新模型很正常。

[george2077]

野榜不看也罢

[geomancy]

我自己训练的模型最牛 x ，它居然知道我的生活习惯，和别人的聊天记录什么的，其他商业大模型则不可以，甚至不知道我叫什么，我觉得我自己的模型理所当然的排名最前。

[windyboy]

又一个安兔兔吗？

[cheese]

这测试都是中文考证做题的,gpt4 玩不过很正常吧,gpt 的中文训练集相对英文本来就少,更别提这种专用形式的考试内容

[hanqian]

要不是我真用过好多开源模型我就真信了，完全无视这些所谓 benchmark

[timestamp24]

姑且相信这个评分(上传成绩的人都很诚实&测试结果可靠)，这是在挑选中文做题家/背题家吗？全是选择题考察有一定的局限性。其实开放公测大家一用就知道各种模型几斤几两了。

[chancat]

一方面判定别人家的东西违法，有害。自己又干不出来不是抄袭套皮就是自封第一，真的。很难进步。