清华大学发布的大模型性能报告显示：GPT-4在中文理解方面排名第一，文心一言更懂中文。

清华大学新闻与传播学院教授沈阳及其团队最近发布了一份名为《大语言模型综合性能评估报告》的研究成果。该报告对几个大型语言模型进行了评估和比较，并得出了一些重要结论。 根据该报告，总得分率最高的是 GPT-4，这款模型在综合评分方面表现出色。此外，百度文心一言在三大维度的20个指标中的综合评分位列国内第一，超越了ChatGPT。值得一提的是，在中文语义理解方面，百度文心一言的排名位居第一，同时其在某些中文能力上也超过了GPT-4。 这份报告的发布引起了业界的极大关注。如今，大型语言模型在各个领域都发挥着重要作用，因此对其综合性能评估的研究成果具有重要意义。清华大学团队的评估报告为学术界和工业界提供了有价值的参考和指导，有助于进一步提升语言模型的性能和应用。 然而，需要指出的是，虽然GPT-4和百度文心一言在该报告中取得了好的成绩，但依然存在改进的空间。这些模型的发展仍然面临挑战，如语义理解的准确性、模型可扩展性等。因此，未来的研究和实践应当持续关注并解决这些问题，以进一步提高语言模型的性能和实用性。

据了解，报告本次评估选取了 GPT-4、ChatGPT 3.5、文心一言、通义千问、讯飞星火、Claude、天工 7 个大语言模型，围绕生成质量、使用与性能、安全与合规三大维度，全面考察大语言模型上下文理解、中文语义理解、误导信息识别、逻辑推理、内容安全性、隐私保护等 20 项指标。综合来看，文心一言语义理解能力突出，特别是具备更好的中文理解能力，更懂中国文化，同时时效性强、内容安全把握细微，这源于其知识增强、检索增强和对话增强的技术创新。

在生成质量方面，基于对语义理解、输出表达、适应泛化的综合评测，文心一言得分率 76.98%，仅次于 GPT-4，领先于包括 ChatGPT 在内的其他大语言模型。其中，在部分中文语义理解方面，文心一言以 92% 的得分率排名榜首。

IT 之家注意到，在安全合规方面，基于对内容安全性、偏见和公平性、隐私保护等综合评测，文心一言得分率 78.18%，与 GPT-4 并列排名第一。