Themis：面向灵活且可解释的自然语言生成评估
原文中文，约300字，阅读约需1分钟。发表于：。为了解决自然语言生成任务（NLG）的评估问题，本文构建了一个大规模的 NLG 评估语料库 NLG-Eval，并提出了一个专门用于 NLG 评估的大型语言模型 Themis，该模型通过多角度一致性和基于评分偏好的方法进行训练，能够灵活、可解释地进行评估，无需参考，并在各种 NLG 任务上展现出优越的评估性能，同时在未见任务上具有良好的泛化能力，超越了其他评估模型，包括 GPT-4。
本文介绍了NLG-Eval和Themis，用于自然语言生成任务评估的大规模语料库和大型语言模型。Themis通过多角度一致性和评分偏好的方法进行训练，具有灵活、可解释的评估能力，并在各种NLG任务上表现出优越性能。它还在未见任务上具有良好的泛化能力，超越了其他评估模型，包括GPT-4。
