大型语言模型是否可靠的评判者？一个关于 LLM 事实性评估能力的研究
本研究旨在探讨大型语言模型作为可靠的评估器，用于评估文本生成模型生成的摘要的事实一致性，并发现其在事实性评分中的局限性。
研究发现大型语言模型常出现“幻觉”，需要事实验证器。FLAN-T5-11B在维基百科领域表现最佳。大型语言模型对高质量证据依赖，鲁棒性和泛化能力不足。
BriefGPT - AI 论文速递 -
正在访问的资源需要验证您是否真人。
或在微信中搜索公众号“小红花技术领袖”并关注
第二步：在公众号对话中发送验证码：