超越GPT4 Turbo？科大讯飞发布星火认知大模型3.5版本

简介

1月30日，科大讯飞举行星火认知大模型V3.5升级发布会。科大讯飞董事长刘庆峰、研究院院长刘聪正式发布基于首个全国产算力训练的讯飞星火V3.5，七大核心能力全面提升。

功能展示多模交互

• 多模理解：上传图片素材，大模型完成识别理解，返回关于图片的准确描述
• 视觉问答：围绕上传图片素材，响应用户的问题，大模型完成回答
• 多模生成：根据用户的描述，生成符合期望的合成音频和视频
• 虚拟人视频：描述期望的视频内容，整合AI虚拟人，快速生成匹配视频

代码能力

• 代码生成：智能生成单行或函数级代码建议；根据注释、函数名自动生成代码
• 代码解释：类、函数及其作用逐一详解；支持逐行代码注释；学习海量范式，快速精准解读
• 代码纠错：精准定位拼写、语法、逻辑错误；新老代码比较，支持一键修改
• 单元测试：选中代码，一键生成单测用例；多主流单元测试框架；智能生成单元测试数据

本文生成

• 商业文案：根据用户要求，创作具有吸引力与情感共鸣的商业文案
• 营销方案：根据描述，创作多种形式的营销方案
• 英文写作：使用英文完成多风格多任务的的长写作任务
• 新闻通稿：根据新闻要素，创作严谨详实的新闻通稿

数学能力

• 方程求解：包括一元二次方程、二元一次方程、三元一次方程等等
• 几何问题：平面几何（如直线、圆、三角形等的性质）和立体几何（如体积、表面积、投影等）
• 微积分处理：导数、积分等微积分相关的问题，涉及基本概念如极限、连续性、导数等
• 概率统计：涉及随机变量、概率分布、假设检验等方面的内容

语言理解

• 机器翻译：翻译多种语言的文字，包括英语、中文、法语、德语、西班牙语等常用语种
• 文本摘要：根据文本提取简洁而准确的摘要，快速理解文章的核心观点
• 语法检查：检查语法错误并提供正确的语法建议，使写作更加规范与专业
• 情感分析：分析文本中的情感色彩，如正面、负面或中性，更好了解内容观点和态度

知识问答

• 生活常识：提供有关日常生活的知识，如饮食、运动、旅游等方面的建议
• 工作技能：提供工作方面的知识，如沟通技巧、时间管理技巧、团队协作等方面的建议
• 医学知识：提供基本的健康保健知识以及疾病预防、诊断和治疗方面的建议
• 历史人文：提供有关历史事件、文化传承、名人故事、名言警句等方面的文案

逻辑推理

• 思维推理：通过分析问题的前提条件和假设来推理出答案或解决方案，给出新的想法和见解
• 科学推理：使用已有的数据和信息进行推断、预测和验证等科学研究中的基本任务
• 常识推理：在进行对话交流时，运用已有的常识知识来分析、解释和回应用户的提问或需求

实测结果讯飞星火认知大模型对外宣传数学能力超越GPT4 turbo，那么实测如何呢？

在SuperCLUE-Math6中文数据多步推理测评基准上，讯飞星火V3.5取得80.44的高分，较上一代讯飞星火V3.0有43.05分的提升；较GPT4略低3.42分，较GPT4-1106-Preview低7.32分。

讯飞星火V3.5在SC-Math6基准上准确率表现优异，取得78.81分，位列在榜国内模型中第二。两轮问题准确率差值在13.15分，在深入推理稳定性上较GPT4（差值7.93分）还有提升空间。

总结

从结果上来看，讯飞星火V3.5在数学多步推理能力上处于国内第一梯队但与GPT4还有一定差距。其中随着推理步骤的增加，讯飞星火V3.5在深入推理方面表现不俗，同时有很好的指令遵循能力。