PRE: 基于同行评审的大型语言模型评估器 原文约300字,阅读约需1分钟。发表于:2024-01-28T00:00:00Z。 通过同行评审机制,我们提出了一种能够自动评估大型语言模型的新框架,用于解决评估成本高、泛化能力低以及评估中的偏见等问题。我们在文本摘要任务上进行了广泛实验,结果表明使用单一语言模型评估存在偏见,并证明了我们的同行评审机制的有效性。 本文讨论了使用大型语言模型(LLMs)评估文本质量的方法,研究发现自动思维链(CoT)并不总是与人类评分一致,强制LLMs仅输出数字评分也不理想,要求LLMs解释其自身评分可以改善与人类评分的相关性。 大型语言模型 数字评分 文本质量评估 相关性 自动思维链 语言模型