BriefGPT - AI 论文速递 · 2024-11-11T00:00:00Z 无黄金标准评估大型语言模型判断力的基准研究 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文提出了一种新评估指标GEM，用于评估大型语言模型生成信息性判断的表现。GEM通过估计候选回答与参考回答之间的互信息，实验证明其在与人类评分的相关性上优于现有方法，并在操控情况下表现出更强的鲁棒性。 🏷️ 标签 GEM 互信息 大型语言模型 评估指标 语言模型 鲁棒性 阅读原文 生成长图 分享链接 已复制链接
