看起来有点强，下面是github的描述：
Qwen-7B在多个全面评估自然语言理解与生成、数学运算解题、代码生成等能力的评测数据集上，包括MMLU、C-Eval、GSM8K、HumanEval、WMT22等，均超出了同规模大语言模型的表现，甚至超出了如12-13B参数等更大规模的语言模型。
| Model | MMLU | C-Eval | GSM8K | HumanEval | WMT22 (en-zh) |
|---|---|---|---|---|---|
| LLaMA-7B | 35.1 | – | 11.0 | 10.5 | 8.7 |
| LLaMA 2-7B | 45.3 | – | 14.6 | 12.8 | 17.9 |
| Baichuan-7B | 42.3 | 42.8 | 9.7 | 9.2 | 26.6 |
| ChatGLM2-6B | 47.9 | 51.7 | 32.4 | 9.2 | – |
| InternLM-7B | 51.0 | 52.8 | 31.2 | 10.4 | 14.8 |
| Baichuan-13B | 51.6 | 53.6 | 26.6 | 12.8 | 30.0 |
| LLaMA-13B | 46.9 | 35.5 | 17.8 | 15.8 | 12.0 |
| LLaMA 2-13B | 54.8 | – | 28.7 | 18.3 | 24.2 |
| ChatGLM2-12B | 56.2 | 61.6 | 40.9 | – | – |
| Qwen-7B | 56.7 | 59.6 | 51.6 | 24.4 | 30.6 |
