FactAlign：大规模语言模型的长文本事实对齐

BriefGPT - AI 论文速递 · 2024-10-02T00:00:00Z

研究者使用GPT-4生成了38000个问题的测试集，并提出了SAFE方法。SAFE将长篇回复分解为单个事实，通过Google搜索验证准确性。研究扩展了F1分数评估长篇事实性，结果显示SAFE在16k个事实集上优于人类标注者且成本更低。对十三个语言模型的基准测试显示，较大模型表现更好。