BriefGPT - AI 论文速递
·
韩国大型语言模型的实用能力评估
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
KMMLU是一个新的韩语基准，包含35,030个专家级多项选择题。测试发现，目前的韩语LLMs表现较差，需要进一步改进。KMMLU提供了正确的工具，数据集已在Hugging Face Hub上公开。
🎯
关键要点
- KMMLU是一个新的韩语基准，包含来自45个学科的35,030个专家级多项选择题。
- KMMLU收集了原始韩语考试的问题，捕捉了韩语的语言和文化方面。
- 测试了26个公开和专有的LLM模型，发现有显著的改进空间。
- 最好的公开模型在KMMLU上的准确率为50.54%，低于人类平均表现62.6%。
- 当前适用的LLMs，如Polyglot-Ko，表现更差。
- 即使是最强大的专有LLMs，如GPT-4和HyperCLOVA X，准确率也仅为59.95%和53.40%。
- KMMLU提供了追踪韩语LLMs进展的工具，数据集已在Hugging Face Hub上公开。
➡️
