郭震 AI公众号:郭震AI

实时 AI 消息

韩国高考实测:GPT 与 Gemini 拿下高分,本土 K-EXAONE 在探究科目失分

在韩国大学入学考试上,GPT 与 Gemini 交出了接近满分的答卷,而韩国本土最强模型 K-EXAONE 在同一套试题的探究科目上明显失分。这一对比把“国产模型”的能力边界摆到了公开量表上,也让以韩语和本地课程为语境的推理能力成为关注焦点。

发布时间
韩国高考实测:GPT 与 Gemini 拿下高分,本土 K-EXAONE 在探究科目失分
图源: 90daykorean.com

韩国的高考成了这一轮模型能力的公开考场。据当地媒体报道,GPT 与 Gemini 在今年的大学入学考试上给出了接近满分的作答,而韩国本土最强的模型 K-EXAONE 则在探究科目上失分。

这一结果之所以被反复讨论,是因为对比对象足够清晰。考试题目固定、答案唯一、评分标准公开,跨国模型与本土模型在同一张卷子上短兵相接,差距不需要靠主观评测来推断。

失分位置同样值得注意。探究科目考察的是社会科学与自然科学的材料阅读与推理,对韩语长文本的细读、以及本地课程体系里的概念约定依赖很高;这类能力往往不是靠通用英文语料就能补齐的。

对韩国 AI 产业来说,K-EXAONE 一直被当作“主权模型”的代表,承载着本地语言、本地产业与本地监管的期待。它在通用榜单上的位置,与它在本地化高难度任务上的表现,并不总是同步。

不过,考试成绩只是很窄的一种探针。它奖励在固定时限、封闭题型下的结构化求解,而真实工作更依赖开放式工具调用、结果核验与模糊情境下的判断;同时,这类测评所使用的模型版本、提示设置与是否允许使用工具,通常不会完整公开。

接下来的看点是,K-EXAONE 的开发方会把探究科目的短板当作语料问题还是推理问题来处理,以及韩国的教育与考试机构会不会在这一轮冲击之后,重新讨论评价体系该如何区分人机作答。

为什么重要

本土模型在本地化高难度科目上的短板被公开量化,韩国“主权模型”的叙事需要更具体的语言与推理能力来支撑。

微博邮件

K-EXAONEBenchmarkKorea
返回实时消息

附近消息

全部

11/20 09:07

华为云发布昇腾原生具身世界模型CloudRobo-WM1.2,把真机适配做成平台能力

在华为云的一场具身智能论坛上,昇腾原生具身世界模型CloudRobo-WM1.2对外发布,配套的一站式开发平台CloudRobo同时展示了从数据处理、训练、仿真到真机部署的完整链路。平台已积累超过100万条导航轨迹和5万多条操作轨迹,并接入30多款第三方模型,指向的是让具身团队不必从零搭基础设施。

11/20 08:43

Anthropic 七位创始人 IPO 套现近 20 亿美元,每人约 2.8 亿

TechCrunch 报道称,按每股 83 美元的 IPO 定价计算,Anthropic 的七位联合创始人每人套现约 2.8 亿美元,合计近 20 亿美元。这场被形容为创纪录的发行同时为公司募得近 1050 亿美元。

11/20 10:34

海南首个备案文旅大模型发布,“鱼多多”智能体落地荣山寮

据观点网 11 月 20 日报道,海南首个完成备案的文旅大模型正式发布,名为“鱼多多”的智能体已于 11 月 18 日落地荣山寮。这意味着地方文旅场景开始出现通过合规备案的自有模型与智能体服务,而不是套用一套全国性的通用助手。

11/20 10:36

Kimi-K2.5上架Hugging Face官方仓库:任务类型标注为图像-文本转文本

Moonshot AI在Hugging Face官方账号下更新了Kimi-K2.5的模型仓库,页面把任务流水线标注为图像-文本转文本,权重沿用safetensors格式并通过transformers库加载。仓库当前显示下载量391,280次、点赞2,902,多模态形态与压缩权重成为这一版本最直观的外部信号。