大型语言模型在检索增强生成中的偏见评估

BriefGPT - AI 论文速递 ·

大型语言模型（LLMs）在自动评估中表现有效，但存在认知偏差，输出质量受偏见影响，平均偏差达到40%。机器与人类偏好不一致，Rank-Biased Overlap得分为49.6%。因此，LLMs不适合用于自动注释。

Rank-Biased Overlap 大型语言模型检索增强生成自动评估认知偏差输出质量

原文中文，约500字，阅读约需1分钟。