报告：文心大模型3.5三大维度、20项指标国内领先文心

近日，清华大学新闻与传播学院沈阳团队发布《大语言模型综合性能评估报告》(以下简称“报告”)。报告显示，百度文心一言在三大维度20项指标中综合评分国内第一，超越ChatGPT，其中中文语义理解排名第一，部分中文能力超越GPT-4。

清华大学新闻与传播学院教授、博士生导师沈阳表示，今年3月，百度发布大语言模型文心一言，让中国第一时间参与到世界前沿科技竞争中。在这次评测中也看到了文心一言各方面能力的进步，特别是在中文语义理解方面。国产大模型的快速发展，让技术落地更可期。”

据了解，报告本次评估选取了GPT-4、ChatGPT 3.5、文心一言、通义千问、讯飞星火、Claude、天工7个大语言模型，围绕生成质量、使用与性能、安全与合规三大维度，全面考察大语言模型上下文理解、中文语义理解、误导信息识别、逻辑推理、内容安全性、隐私保护等20项指标。综合来看，文心一言语义理解能力突出，特别是具备更好的中文理解能力，更懂中国文化，同时时效性强、内容安全把握细微，这源于其知识增强、检索增强和对话增强的技术创新。

在生成质量方面，基于对语义理解、输出表达、适应泛化的综合评测，文心一言得分率76.98%，仅次于GPT-4，领先于包括ChatGPT在内的其他大语言模型。其中，在部分中文语义理解方面，文心一言以92%的得分率排名榜首。凭借知识增强的核心特色，文心一言对本土语言特性把握更精准，同时由于训练语料中包含大量本土文本，对本土文化理解也更深刻，能够更好处理与本土文化相关的主题和背景，如诗歌、方言等，具备更强的国内落地空间。

在安全合规方面，基于对内容安全性、偏见和公平性、隐私保护等综合评测，文心一言得分率78.18%，与GPT-4并列排名第一。报告显示，文心一言内容安全性好，注重用户隐私保护和版权保护。

据了解，百度在“芯片-框架-模型-应用”人工智能四层技术栈全面布局，其自研深度学习平台飞桨有力支撑了文心大模型的高效训练和推理。截至目前，飞桨已凝聚750万名开发者。飞桨与文心协同优化，文心大模型3.5最新版本实现了基础模型升级、精调技术创新、知识点增强、逻辑推理增强等，模型效果提升50%，训练速度提升2倍，推理速度提升30倍。