99久久久精品免费看国产,日本特黄特黄特级高潮,麻豆av新搬来的女邻居

為何同一個(gè)中文大模型，不同評(píng)測(cè)標(biāo)準(zhǔn)打分差異大？

2023-05-10 17:14:23 來(lái)源：雪球網(wǎng) 小 中

5月9日中文通用大模型綜合性評(píng)測(cè)基準(zhǔn)SuperCLUE正式發(fā)布。經(jīng)過(guò)一天時(shí)間的發(fā)酵，論壇上對(duì)該評(píng)測(cè)標(biāo)準(zhǔn)質(zhì)疑的聲音越發(fā)多了，這是為什么？大模型評(píng)測(cè)標(biāo)準(zhǔn)設(shè)立的難度又在哪里？

(資料圖)

中文評(píng)測(cè)標(biāo)準(zhǔn)為何重要？

科大訊飛董事長(zhǎng)劉慶峰認(rèn)為：如果要努力追趕OpenAI的進(jìn)度，需要一套科學(xué)系統(tǒng)的評(píng)測(cè)體系；用這一套科學(xué)系統(tǒng)，來(lái)判定技術(shù)迭代到底到了什么程度，還有哪些任務(wù)是不達(dá)標(biāo)的。

第一、數(shù)據(jù)集的差異性。中文和英文的文本數(shù)據(jù)集在種類(lèi)、規(guī)模、質(zhì)量等方面存在很大的差異，需要針對(duì)中文特點(diǎn)開(kāi)發(fā)相應(yīng)的數(shù)據(jù)集，以確保評(píng)測(cè)結(jié)果的準(zhǔn)確性和公正性。

第二、語(yǔ)言結(jié)構(gòu)和語(yǔ)法的差異。例如中文是一種“主謂賓”結(jié)構(gòu)的語(yǔ)言，而英文則是“主語(yǔ)動(dòng)詞賓語(yǔ)”結(jié)構(gòu)的語(yǔ)言。這些差異導(dǎo)致了中英文之間在語(yǔ)言處理任務(wù)上存在很大的區(qū)別，需要不同的評(píng)測(cè)標(biāo)準(zhǔn)和方法。

第三、中文詞匯量和歧義性。中文的詞匯量非常大，而且存在很多歧義性，需要更復(fù)雜的處理方法和技術(shù)，如分詞、詞性標(biāo)注、命名實(shí)體識(shí)別等。

但從當(dāng)下來(lái)看，這貌似又是一個(gè)在短期內(nèi)非常難以兌現(xiàn)的預(yù)期。

中文大模型評(píng)測(cè)標(biāo)準(zhǔn)化很難，SuperCLUE被吐槽選擇題方式單一

剛剛發(fā)布的文通用大模型基準(zhǔn)（SuperCLUE），是針對(duì)中文可用的通用大模型的一個(gè)測(cè)評(píng)基準(zhǔn)。它主要回答的問(wèn)題是：在當(dāng)前通用大模型大力發(fā)展的情況下，中文大模型的效果情況。

SuperCLUE從三個(gè)不同的維度評(píng)價(jià)模型的能力：基礎(chǔ)能力、專(zhuān)業(yè)能力和中文特性能力。

，該評(píng)測(cè)是由中國(guó)科學(xué)院計(jì)算技術(shù)研究所自然語(yǔ)言處理與社會(huì)人文計(jì)算實(shí)驗(yàn)室（簡(jiǎn)稱(chēng)“計(jì)算所NLP”）開(kāi)發(fā)和維護(hù)的。

JioNLP評(píng)測(cè)還提供了多種評(píng)測(cè)指標(biāo)和計(jì)算工具，以幫助研究者和開(kāi)發(fā)者客觀地評(píng)估模型的性能和效果，并比較不同模型的優(yōu)缺點(diǎn)和適用范圍。

JioNLP評(píng)測(cè)方式目前的總下載量達(dá)到2.4萬(wàn)次，近三十天下載量為1634次。

通過(guò)JioNLP評(píng)測(cè)，研究者和開(kāi)發(fā)者可以獲取實(shí)時(shí)的評(píng)測(cè)結(jié)果和排名，以及相應(yīng)的源代碼和技術(shù)報(bào)告，為中文自然語(yǔ)言處理的研究和應(yīng)用提供參考和支持。

從JioNLP評(píng)測(cè)的結(jié)果來(lái)看：文心一言的得分卻又高于星火大模型。

這背后的原因是

SuperCLUE是只通過(guò)選擇題對(duì)模型能力進(jìn)行測(cè)試，而JioNLP采用的是客觀選擇題+主觀題（生成題、翻譯題和聊天題）進(jìn)行測(cè)試。

但相同的是，在官網(wǎng)留言區(qū)對(duì)于兩個(gè)測(cè)試標(biāo)準(zhǔn)都出現(xiàn)很多質(zhì)疑聲音。

如：對(duì)SuperCLUE評(píng)測(cè)方法如何限定測(cè)試題目數(shù)量，生成和創(chuàng)作類(lèi)評(píng)測(cè)用選擇題測(cè)試是否合理，以及建議SuperCLUE像中文Alpaca一樣適度公開(kāi)評(píng)測(cè)說(shuō)明和標(biāo)準(zhǔn)。JioNLP也同樣存在測(cè)試精度、樣本量小等問(wèn)題。

常用的機(jī)器學(xué)習(xí)模型評(píng)估標(biāo)準(zhǔn)有7個(gè)比較重要的方向：

包括準(zhǔn)確度（針對(duì)分類(lèi)能力）、精確度和召回率（模型正確預(yù)測(cè)的內(nèi)容占該樣本的比例）、對(duì)抗攻擊魯棒性（模型在受到輸入干擾時(shí)保持穩(wěn)定的能力）、計(jì)算效率、均方誤差、R方值以及數(shù)據(jù)隱私。

從當(dāng)下來(lái)看，SuperCLUE的評(píng)測(cè)方式單一性確實(shí)存在一定的弊端，但是該模型采用的人工評(píng)價(jià)的精度也曾被市場(chǎng)認(rèn)可確實(shí)在精度和靈活度上面高于系統(tǒng)的自動(dòng)評(píng)價(jià)方法。

總的來(lái)說(shuō)，大模型測(cè)試標(biāo)準(zhǔn)化是行業(yè)所需要的，但同樣也是非常難實(shí)現(xiàn)的。

$科大訊飛(SZ002230)$$百度(BIDU)$$昆侖萬(wàn)維(SZ300418)$

歡迎大家在評(píng)論區(qū)評(píng)論互動(dòng)～

關(guān)注見(jiàn)智研究Pro，獲取更多行業(yè)熱點(diǎn)解析

關(guān)鍵詞：