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
-
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。
-
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
-
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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++020Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0279Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K

deepin linux kernel
C
22
6

Ascend Extension for PyTorch
Python
38
72

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)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

React Native鸿蒙化仓库
C++
195
279

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

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 kernel ~ openGauss is an open source relational database management system
C++
146
191

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