首页
/ OpenCompass中Qwen1.5系列模型在C-Eval基准测试的性能分析

OpenCompass中Qwen1.5系列模型在C-Eval基准测试的性能分析

2025-06-08 02:04:05作者:冯爽妲Honey

背景介绍

OpenCompass作为大型语言模型评估平台,持续跟踪各类开源模型的性能表现。近期,社区用户对Qwen1.5系列模型在C-Eval基准上的表现提出了验证需求。C-Eval是一个全面的中文语言理解评估基准,涵盖多个学科领域,是衡量模型中文能力的重要指标。

Qwen1.5系列模型测试结果

根据OpenCompass官方测试数据和社区验证,Qwen1.5系列不同规模模型在C-Eval基准上的表现如下:

模型规格 C-Eval开发集 C-Eval测试集
Qwen1.5-7B-Chat 70.62 68.18
Qwen1.5-32B-Chat 81.47 80.66
Qwen1.5-72B-Chat 82.44 81.37

从结果可以看出,随着模型规模的增大,性能呈现明显的提升趋势。7B到32B的跃升尤为显著,提升了约10个百分点;而从32B到72B的提升则相对平缓,约1个百分点。

测试注意事项

  1. 测试配置:对于未提供标准配置的模型规格,用户可参考相近规格的配置文件进行修改,主要调整模型路径和GPU数量等参数。

  2. 特殊基准说明

    • lcbench数据集目前尚未公开
    • hellaswag、TheoremQA和sanitized_mbpp等基准的提示词设计可能存在优化空间
    • 数学能力测试采用0-shot设置,与常见排行榜的4-shot设置不同
  3. 结果验证:社区测试结果与官方数据高度吻合,证实了评估的可靠性。

技术意义

这些结果表明Qwen1.5系列模型在中文理解任务上具有强大的能力,特别是32B及以上规模的模型表现尤为突出。对于中文NLP应用场景,这些数据为模型选型提供了重要参考。

测试结果也反映了模型规模与性能之间的非线性关系:在7B到32B阶段,增加参数带来的性能提升显著;而超过32B后,性能提升趋于平缓,这为计算资源投入与性能回报的权衡提供了实证依据。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71