BriefGPT - AI 论文速递
·
从模型中心到人本中心：基于语言模型的应用中文本评估的修订距离度量
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文研究了与人类评价相关的度量标准，并提出了新的度量标准MoBERT。通过人类评价发现，目前用于此任务的度量标准与人类判断相关性较低，而常用的度量标准和坐标误差与人类判断相关性较高。不推荐使用一些最近开发的度量标准。结果显示，MoBERT在样本级别和模型级别上与人类判断相关性高，优于当前所有替代方案。
🎯
关键要点
-
人们对从自然语言描述中生成基于骨架的人类动作越来越感兴趣。
-
本文研究了与人类评价相关的度量标准，并提出了新的度量标准MoBERT。
-
目前用于此任务的度量标准与人类判断相关性较低。
-
常用的度量标准（如R-Precision）和坐标误差与人类判断相关性较高。
-
不推荐使用一些最近开发的度量标准，因为它们与人类判断的相关性较低。
-
MoBERT在样本级别和模型级别上与人类判断相关性高，优于当前所有替代方案。
➡️
