समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

एआइ-अभ्यर्थिनः चीनी-गणित-सहित-त्रयेषु विषयेषु अधिकतमं ३०३ अंकं प्राप्तुं शक्नुवन्ति ।

जूनमासे पूर्वं शङ्घाई आर्टिफिशियल इन्टेलिजेन्स प्रयोगशालायाः अन्तर्गतं सिनान् मूल्याङ्कनप्रणाली ओपनकम्पास इत्यनेन एआइ महाविद्यालयप्रवेशपरीक्षायाः प्रथमं पूर्णपत्रमूल्यांकनपरिणामं प्रकाशितम्, यत्र एआइ-अभ्यर्थिनः भाषायाः अतिरिक्तं त्रयेषु विषयेषु अधिकतमं ३०३ अंकं प्राप्तुं शक्नुवन्ति इति दर्शितम् गणितं च, सर्वेषु गणितेषु च असफलः अभवत्।

१७ जुलै दिनाङ्के ओपनकम्पास इत्यनेन अपि एकं मूल्याङ्कनं प्रकाशितम् यत् विषयाणां व्याप्तिः विस्तारिता दलेन महाविद्यालयप्रवेशपरीक्षायाः नवविषयेषु सप्त बृहत् एआइ मॉडल् परीक्षणं कृतम्, येन तेषां तुलना महाविद्यालयप्रवेशपरीक्षाप्रवेशाङ्कैः सह कर्तुं शक्यते।

यदि एआइ महाविद्यालयप्रवेशपरीक्षां ददाति तर्हि कस्मिन् विश्वविद्यालये प्रवेशः कर्तुं शक्यते? OpenCompass परीक्षणेन ज्ञातं यत् यदि बृहत् मॉडलः उदारकलापरीक्षां ददाति तर्हि उत्तमः स्कोरः एकस्मिन् पुस्तके "प्रवेशः" कर्तुं शक्यते, परन्तु यदि विज्ञानपरीक्षां ददाति तर्हि अधिकतमं पुस्तकद्वये एव "प्रवेशः" कर्तुं शक्यते (आधारितं हेनान् प्रान्तस्य स्कोररेखा, यस्मिन् अस्मिन् वर्षे महाविद्यालयप्रवेशपरीक्षाणां संख्या सर्वाधिकं अस्ति) सन्दर्भार्थं)।

AI large model college entrance exam test scores for all 9 subjects

अस्मिन् समये परीक्षिताः मॉडल् अद्यापि अलीबाबा, जीरो वन विश, ज़िपु एआइ, शङ्घाई आर्टिफिशियल इन्टेलिजेन्स लैबोरेटरी एण्ड् सेन्सटाइम्, फ्रेंच मिस्ट्रल्, ओपनएआइ इत्यस्य बन्द स्रोतः मॉडल् GPT-4o इत्येतयोः मुक्तस्रोतमाडलाः सन्ति

कुलस्कोरस्य आधारेण उदारकलायां सर्वाधिकं स्कोरं अलीबाबा टोङ्गी किआन्वेन् मॉडल् इति आसीत्, यत् एआइ महाविद्यालयप्रवेशपरीक्षायां ५४६ अंकैः "उदारकला शीर्षविद्वानः" इति पुरस्कारं प्राप्तवान् विज्ञानस्य सर्वाधिकं स्कोरं Pu Chinese Quxing इति अस्ति, यत् Shanghai Artificial Intelligence Laboratory तथा SenseTime इत्यनेन संयुक्तरूपेण विकसितम् अस्ति, यत् 468.5 अंकं प्राप्तवान् । ओपनएआइ इत्यस्य जीपीटी-४ओ इत्यनेन उदारकलायां ५३१ स्कोरः प्राप्तः, तृतीयस्थानं प्राप्तवान्, विज्ञानक्षेत्रे च ४६७ स्कोरं प्राप्तवान्, द्वितीयस्थानं प्राप्तवान् ।

मूल्याङ्कनपरिणामानां निष्पक्षतायाः पारदर्शितायाः च विषये प्रासंगिकाः जनाः अवदन् यत् बृहत्-स्तरीय-महाविद्यालय-प्रवेश-परीक्षा-मूल्यांकनस्य उत्तराणि, आदर्श-उत्तर-पत्राणि, स्कोरिंग्-परिणामानि च जनयितुं कोडः पूर्णतया उद्घाटितः अस्ति, जीवनस्य सर्वेषां वर्गेभ्यः (कृते) सन्दर्भार्थं उपलभ्यते च सार्वजनिकमूल्यांकनविवरणं, कृपया https://github.com/open- compass/GAOKAO-Eval) इति सञ्चिकां पश्यन्तु ।

मूल्याङ्कनदलेन हेनान् प्रान्तस्य प्रवेशसमूहरेखाः सन्दर्भरूपेण चयनं कृत्वा तत्सम्बद्धाङ्करेखाभिः सह बृहत्प्रतिरूपस्य स्कोरस्य तुलना कृता। सामान्यतया, २०२४ तमे वर्षे हेनान् स्नातक-बैच-प्रवेशपङ्क्तयः सन्दर्भ्य, त्रयाणां सर्वोत्तम-प्रदर्शन-बृहत्-माडलानाम् उदारकलासु एकादशाधिकं विज्ञानं च द्वयोः अधिकाः स्कोराः सन्ति अन्येषु प्रमुखेषु उदारकलाविज्ञानविषयेषु स्कोराः द्वितीयस्तरीयमानकान् न पूरयन्ति स्म ।

यदि एआइ उदारकलापरीक्षां करोति तर्हि Tongyi Qianwen, Shushengpu Chinese Quxing, GPT-4o इत्येतयोः उदारकलानां स्कोराः सर्वे प्रथमपङ्क्तिं अतिक्रमयन्ति, चीनी, इतिहासः, इत्यादिषु विषयेषु बृहत् मॉडलस्य गहनं ज्ञानं दर्शयन्ति। भूगोल, वैचारिक राजनीति आदि आरक्षण एवं अवगमन।

बृहत् मॉडल "महाविद्यालय प्रवेश परीक्षा" स्कोर तुलना - उदार कला

यदि ए.आइ रेखा, तथा "प्रवेशः" द्विस्तरीयप्रश्नेन प्राप्तुं न शक्यते।

बृहत् मॉडल "महाविद्यालय प्रवेश परीक्षा" स्कोर तुलना-विज्ञान

दलेन उक्तं यत् वास्तविकमहाविद्यालयप्रवेशपरीक्षास्थितेः समीपे भवितुं मूल्याङ्कनेन सर्वेषु विषयेषु बृहत्प्रतिरूपस्य परीक्षणार्थं ३ (भाषां गणितं च विहाय) + ३ (विज्ञानव्यापकं/कलाव्यापकं) इति रूपं स्वीकृतम्। मूल्याङ्कनप्रक्रियायाः कालखण्डे सर्वेषां साधारणपाठप्रश्नानां उत्तरं बृहत्भाषाप्रतिमानैः दत्तम्, यदा तु व्यापकविषयेषु चित्रयुक्तप्रश्नानां उत्तरं तत्सम्बद्धदलेन मुक्तस्रोतैः बहुविधबृहत्प्रतिमानैः दत्तम्

मूल्याङ्कनेन ज्ञातं यत् शुद्धपाठप्रश्नानां कृते बृहत्प्रतिरूपस्य औसतस्कोरदरः ६४.३२% यावत् भवितुम् अर्हति, यदा तु चित्रयुक्तप्रश्नानां कृते स्कोरदरः केवलं ३७.६४% भवति चित्रस्य अवगमनस्य, अनुप्रयोगक्षमतायाः च दृष्ट्या सर्वेषु बृहत् मॉडलेषु सुधारस्य पर्याप्तं स्थानं भवति ।

तदतिरिक्तं केचन बृहत् आदर्शाः प्रथमश्रेणीं प्राप्तवन्तः, किं ते शीर्षविश्वविद्यालयानाम् प्रवेशस्तरं प्राप्तुं शक्नुवन्ति? अंकनं सम्पन्नं कृत्वा शिक्षकाः सहमताः यत् बृहत्प्रतिरूपस्य वास्तविकस्य च अभ्यर्थीनां मध्ये अद्यापि अन्तरं वर्तते यद्यपि मूलभूतज्ञानस्य निपुणता उत्तमम् अस्ति तथापि तार्किकतर्कस्य, ज्ञानस्य लचीलप्रयोगस्य च दृष्ट्या बृहत्प्रतिरूपं अद्यापि असन्तोषजनकम् अस्ति।

विशेषतः व्यक्तिपरकप्रश्नानां उत्तरं दत्त्वा बृहत्प्रतिमानाः प्रायः प्रश्नस्य काण्डं पूर्णतया अवगन्तुं न शक्नुवन्ति तथा च सर्वनामस्य दिशां न अवगन्तुं शक्नुवन्ति, यस्य परिणामेण गणितीयप्रश्नानां उत्तरं दत्त्वा समस्यानिराकरणप्रक्रिया यांत्रिकं दुर्बलतार्किकं च भवति स्थानिकतर्कस्य समस्याः प्रायः भवन्ति । तदतिरिक्तं बृहत् आदर्शाः काल्पनिकसामग्री अपि जालपुटाः करिष्यन्ति, तादृशानि काव्यानि निर्मास्यन्ति ये युक्तियुक्तानि प्रतीयन्ते परन्तु वास्तविकरूपेण नास्ति, अथवा स्पष्टगणनादोषाः सति पश्चात् न प्रतिबिम्बयन्ति, उत्तरं दातुं "गोलीदंशयन्ति" च, ये सर्वे आनयन्ति अंकनशिक्षकं प्रति क्लेशः।

सार्वजनिकमूल्यांकनविवरणेषु चाइना बिजनेस न्यूजस्य संवाददातृभिः ज्ञातं यत् अंकनशिक्षकाणां काश्चन टिप्पण्याः समाविष्टाः सन्ति।

विज्ञानस्य गणितस्य च शिक्षकः टिप्पणीं कृतवान् यत् बृहत्-परिमाणस्य आदर्श-प्रश्नाः सामान्यतया अतीव यांत्रिक-प्रश्नाः अनुभूयन्ते, अधिकांश-प्रश्नाः सामान्य-तर्क-प्रक्रियायाः माध्यमेन समाधानं कर्तुं न शक्यन्ते यथा, रिक्तस्थानं पूरणप्रश्नस्य प्रथमप्रश्ने बृहत्प्रतिरूपं परिणामं प्राप्तुं प्रक्रियायाः अल्पभागं एव कर्तुं शक्नोति सः व्यापकं विश्लेषणं कर्तुं शक्नोति तथा च प्राप्तुं सम्पूर्णगणनाप्रक्रियायाः सूचीं कर्तुं न शक्नोति प्रश्नान् कुर्वन्तः अभ्यर्थिनः इव सम्यक् परिणामः। बृहत् आदर्शानां मूलभूतसूत्रस्मृतिक्षमता तुल्यकालिकरूपेण उत्तमः अस्ति, परन्तु तस्याः उपयोगः लचीलरूपेण कर्तुं न शक्यते । तदतिरिक्तं केषाञ्चन प्रश्नानां परिणामाः सम्यक् सन्ति, परन्तु प्रक्रियातर्कः दुर्बलः अस्ति, औपचारिकगणनायाः अनुपालनं न करोति, येन ग्रेडिंग् अधिकं कठिनं भवति

भूगोलशिक्षकस्य मतं यत् विशालः प्रतिरूपः भौतिकभूगोलात् आरभ्य मानवभूगोलपर्यन्तं, भौगोलिकघटनाभ्यः भौगोलिकनियमपर्यन्तं प्रश्नानाम् उत्तरप्रक्रियायां भौगोलिकज्ञानस्य व्यापकं कवरेजं दर्शयति मूलभूतज्ञानबिन्दुपरीक्षणे विशेषतया उत्तमः अस्ति तथापि गहनविश्लेषणं वा तर्कं वा सम्मिलितं प्रश्नेषु किञ्चित् विचलनं च लोपं च भवति अतः अपरम्परागतानां मुक्तसमाप्तप्रश्नानां सम्मुखे आदर्शः उत्तमं प्रदर्शनं करोति

भौतिकशास्त्रस्य शिक्षकः अवाप्तवान् यत् बृहत् आदर्शाः सामान्यतया यांत्रिकरूपेण अनुभूयन्ते, तेषु बहवः प्रश्नानाम् अर्थं ज्ञातुं असमर्थाः आसन् यद्यपि केषाञ्चन बहुविकल्पीयप्रश्नानां उत्तराणि सम्यक् सन्ति तथापि विश्लेषणं गलतम् आसीत् केषाञ्चन बृहत्प्रश्नानां जटिलपदानि सन्ति, तर्कः अपि नास्ति यत् अस्य समयस्य निष्कर्षः प्रमाणेषु आनीतः भवति यत् अस्य समयस्य निष्कर्षं प्रति नेति।

अंकनशिक्षकाः मन्यन्ते यत् मानवपरीक्षकाणां तुलने वर्तमानबृहत्प्रतिमानानाम् अद्यापि प्रमुखाः सीमाः सन्ति ।

स्तम्भसम्पादकः : झाङ्ग वू पाठसम्पादकः : डोंग सियुन शीर्षकं चित्रं च स्रोतः : तुचोङ्गः चित्रसम्पादकः जू जियामिनः

स्रोतः लेखकः चीनव्यापारसमाचारः