AI摘要：4月28日，在第九屆數(shù)字中國建設(shè)峰會上，中國信通院曹峰指出大模型落地面臨痛點，需科學評估體系。“方升”大模型基準測試體系成為關(guān)鍵橋梁，其3.0版本形成五維一體評估范式，成效顯著，已形成持續(xù)監(jiān)測機制，賦能重點行業(yè)，推動大模型規(guī)范化落地。

（AI摘要及本文部分素材由福建省智能媒體資源庫省級平臺提供“智媒+”支持，福建報業(yè)集團智能審校平臺提供審校技術(shù)支持）

海峽網(wǎng)訊（記者 李牧晨）人工智能大模型技術(shù)飛速發(fā)展，但如何讓這些“聰明大腦”規(guī)模化高質(zhì)量落地應(yīng)用，而不是企業(yè)在模型選型、部署中面臨“測用脫節(jié)”困境，試錯成本居高不下？4月28日，在第九屆數(shù)字中國建設(shè)峰會上，中國信息通信研究院人工智能研究所平臺與工程化部主任曹峰指出，解決這些痛點，需要一個科學的評估體系。為此，由中國信通院牽頭構(gòu)建的“方升”大模型基準測試體系，正成為連接技術(shù)與產(chǎn)業(yè)、破解落地困境的關(guān)鍵橋梁。

中國信通院人工智能研究所平臺與工程化部主任曹峰接受媒體采訪。海峽網(wǎng)記者 李牧晨 攝

曹峰告訴記者，當前大模型技術(shù)迭代提速、產(chǎn)業(yè)應(yīng)用需求不斷升級，但其規(guī)模化高質(zhì)量落地仍面臨多方面產(chǎn)業(yè)痛點：供給側(cè)層面，缺乏統(tǒng)一、科學的評測方法論，導致研發(fā)端陷入過度“刷榜”偏差，忽視模型實際應(yīng)用價值，技術(shù)迭代方向與產(chǎn)業(yè)需求脫節(jié)；需求側(cè)層面，缺少面向工程落地的模型能力度量指標，企業(yè)在模型選型、部署中面臨“測用脫節(jié)”困境，試錯成本居高不下，難以實現(xiàn)精準適配；產(chǎn)業(yè)側(cè)層面，評測體系缺失導致行業(yè)應(yīng)用、生態(tài)協(xié)同與監(jiān)管治理間缺乏標準橋梁，協(xié)同壁壘難以打破，無法支撐大模型在關(guān)鍵領(lǐng)域規(guī)模化落地。

據(jù)介紹，“方升”大模型基準測試體系由中國信通院牽頭，聯(lián)合多家頭部大模型企業(yè)、用戶單位及科研機構(gòu)共同構(gòu)建。自2023年發(fā)布以來，“方升”體系堅持產(chǎn)學研協(xié)同迭代，形成了標準牽引、應(yīng)用導向、動態(tài)測試的鮮明特點。作為國內(nèi)率先實現(xiàn)規(guī)模化、標準化評測的體系，方升3.0創(chuàng)新性構(gòu)建起基礎(chǔ)屬性、通用能力、應(yīng)用能力、行業(yè)深度、AGI未來智能五維一體全景評估范式，打破了評測與產(chǎn)業(yè)脫節(jié)的局限，支持語言、多模態(tài)、代碼、智能體、服務(wù)性能等多種模型能力的驗證，實現(xiàn)了從“技術(shù)驗證”向“產(chǎn)業(yè)賦能”的跨越式升級，有效填補了國內(nèi)外大模型評測體系脫離產(chǎn)業(yè)實際、缺乏系統(tǒng)賦能范式的空白，為我國大模型產(chǎn)業(yè)發(fā)展提供了適配性更強的評測支撐。

曹峰指出，“方升”體系目前成效顯著，已形成覆蓋國內(nèi)外上百個主流大模型的持續(xù)監(jiān)測機制，測試模型次數(shù)超過1500次，形成了科學的評測方法論。同時體系深度賦能重點行業(yè)，支撐政務(wù)、教育、電力、高端裝備制造等領(lǐng)域構(gòu)建適配自身需求的基準測試體系，推動大模型在各重點領(lǐng)域規(guī)范化落地，助力“人工智能+”行動落地見效。