BriefGPT - AI 论文速递
·
TurkishMMLU：测量土耳其语的大规模多任务语言理解
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
KMMLU是一个新的韩语基准，包含35,030个专家级多项选择题，涵盖人文学科到STEM学科。测试发现，目前的韩语LLMs表现较差，最好的公开模型准确率为50.54％，远低于人类平均表现62.6％。需要进一步改进韩语LLMs，而KMMLU提供了正确工具。数据集已在Hugging Face Hub上公开。
🎯
关键要点
- KMMLU是一个新的韩语基准，包含35,030个专家级多项选择题，涵盖人文学科到STEM学科。
- KMMLU收集了来自原始韩语考试的问题，捕捉了韩语的语言和文化方面。
- 测试了26个公开和专有LLM模型，发现有显著的改进空间。
- 最好的公开模型在KMMLU上的准确率为50.54%，远低于人类平均表现62.6%。
- 当前适用的韩语LLMs表现较差，例如Polyglot-Ko。
- 即使是最强大的专有LLMs，如GPT-4和HyperCLOVA X，准确率也仅为59.95%和53.40%。
- KMMLU提供了追踪韩语LLMs改进的正确工具。
- 数据集已在Hugging Face Hub上公开，并整合到EleutherAI的语言模型评估工具中。
➡️
