斯坦福大学基础模型研究中心6 月 11 日发布了大规模多任务语言理解能力评估排行榜，据悉大规模多任务语言理解能力评估采用了 Dan Hendrycks 等人提出的一种测试方法，用于衡量文本模型在多任务学习中的准确性。这个测试内容包括基础数学、美国历史、计算机科学、法律等领域的

　　▲ 1、Claude 3 Opus： Anthropic

　　2、GPT-4o：OpenAI

　　3、Gemini 1.5 Pro：谷歌

　　4、GPT-4：OpenAI

　　5、Qwen2 Instruct：阿里巴巴

　　6、GPT-4 Turbo：OpenAI

　　7、Gemini 1.5 Pro：谷歌

　　8、GPT-4 Turbo：OpenAI

　　9、Llama 3：Meta

　　10、Yi Large：零一万物

　　Qwen2 是由阿里巴巴开发的一款开源大语言模型，发布于今年 6 月 6 日。Qwen2 系列包括 Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B 和 Qwen2-72B 在内的五个不同规模的预训练及指令微调模型；支持除英语和中文外的额外 27 种语言的数据训练；Qwen2-7B-Instruct 和 Qwen2-72B-Instruct 支持长 Yi Large 是由零一万物公司开发的一款闭源大模型，Yi 模型系列基于 6B 和 34B 预训练语言模型，然后扩展到聊天模型、