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 05:25:03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

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
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
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
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
295
331
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58