Flesch 或 Fumble?评估教学调整的语言模型的可读性标准对齐

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究评估了多个生成模型在教育对话中的表现,发现GPT-4在教师-学生聊天记录子集上表现优越。数据集特征对微调模型的一般化能力造成了挑战,需要评估这些生成模型的能力。

🏷️

标签

➡️

继续阅读