| 失效链接处理 |
|
大模型（LLMs）评测面 PDF 下载
相关截图：
主要内容：
1 大模型怎么评测？
当前superGLUE, GLUE, 包括中文的CLUE 的benchmark都在不太合适评估大模型。可能评估推理能力、多轮对
话能力是核心。
2 大模型的honest原则是如何实现的？模型如何判断回答的知识是训练过的已知的知识，怎么训练这种能力？
大模型需要遵循的helpful，honest， harmless的原则。
可以有意构造如下的训练样本，以提升模型准守honest原则，可以算trick了：
微调时构造知识问答类训练集，给出不知道的不回答，加强honest原则；
阅读理解题，读过的要回答，没读过的不回答，不要胡说八道。
3 如何衡量大模型水平？
要评估一个大型语言模型的水平，可以从以下几个维度提出具有代表性的问题。
• 理解能力：提出一些需要深入理解文本的问题，看模型是否能准确回答。
• 语言生成能力：让模型生成一段有关特定主题的文章或故事，评估其生成的文本在结构、逻辑和语法等方面
的质量。
• 知识面广度：请模型回答关于不同主题的问题，以测试其对不同领域的知识掌握程度。这可以是关于科学、
历史、文学、体育或其他领域的问题。一个优秀的大语言模型应该可以回答各种领域的问题，并且准确性和
深度都很高。
• 适应性：让模型处理各种不同类型的任务，例如：写作、翻译、编程等，看它是否能灵活应对。
• 长文本理解：提出一些需要处理长文本的问题，例如：提供一篇文章，让模型总结出文章的要点，或者请模
型创作一个故事或一篇文章，让其有一个完整的情节，并且不要出现明显的逻辑矛盾或故事结构上的错误。
一个好的大语言模型应该能够以一个连贯的方式讲述一个故事，让读者沉浸其中。
• 长文本生成：请模型创作一个故事或一篇文章，让其有一个完整的情节，并且不要出现明显的逻辑矛盾或故
事结构上的错误。一个好的大语言模型应该能够以一个连贯的方式讲述一个故事，让读者沉浸其中。
• 多样性：提出一个问题，让模型给出多个不同的答案或解决方案，测试模型的创造力和多样性。
• 情感分析和推断：提供一段对话或文本，让模型分析其中的情感和态度，或者推断角色间的关系。
• 情感表达：请模型生成带有情感色彩的文本，如描述某个场景或事件的情感、描述一个人物的情感状态等。
一个优秀的大语言模型应该能够准确地捕捉情感，将其表达出来。
• 逻辑推理能力：请模型回答需要进行推理或逻辑分析的问题，如概率或逻辑推理等。这可以帮助判断模型对
推理和逻辑思考的能力，以及其在处理逻辑问题方面的准确性。例如：“所有的动物都会呼吸。狗是一种动
物。那么狗会呼吸吗？”
• 问题解决能力：提出实际问题，例如：数学题、编程问题等，看模型是否能给出正确的解答。
• 道德和伦理：测试模型在处理有关道德和伦理问题时的表现，例如：“在什么情况下撒谎是可以接受的？”
• 对话和聊天：请模型进行对话，以测试其对自然语言处理的掌握程度和能力。一个优秀的大语言模型应该能
够准确地回答问题，并且能够理解人类的语言表达方式。
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
