揭秘大語言模型“真相”：谷歌發(fā)布AI基準(zhǔn)測試
隨著人工智能技術(shù)的快速發(fā)展，大型語言模型（LLMs）在自然語言處理領(lǐng)域的應(yīng)用越來越廣泛。然而，這些模型在處理真實(shí)世界數(shù)據(jù)時，也面臨著一些挑戰(zhàn)，如事實(shí)準(zhǔn)確性、避免“幻覺”等問題。為了解決這些問題，谷歌DeepMind團(tuán)隊(duì)于近日發(fā)布了一項(xiàng)新的AI基準(zhǔn)測試——FACTS Grounding基準(zhǔn)測試。該測試旨在評估LLMs根據(jù)給定材料準(zhǔn)確作答的能力，并提升LLMs的事實(shí)準(zhǔn)確性，增強(qiáng)用戶信任度，并拓展其應(yīng)用范圍。
一、數(shù)據(jù)集介紹
在數(shù)據(jù)集方面，F(xiàn)ACTS Grounding基準(zhǔn)測試采用了ACTSGrounding數(shù)據(jù)集。該數(shù)據(jù)集包含1719個示例，涵蓋金融、科技、零售、醫(yī)療和法律等多個領(lǐng)域。每個示例包含一篇文檔、一條要求LLM基于文檔的系統(tǒng)指令和隨附的提示詞。示例文檔長度不一，最長可達(dá)32000個token（約20000字）。這些示例旨在涵蓋各種真實(shí)世界任務(wù)，如摘要生成、問答生成和改寫等。
數(shù)據(jù)集分為860個“公共”示例和859個“私有”示例。目前已發(fā)布公共數(shù)據(jù)集供評估使用，私有數(shù)據(jù)集則用于排行榜評分，以防止基準(zhǔn)污染和排行榜作弊。
二、評估方案
在評估方案上，F(xiàn)ACTSGrounding基準(zhǔn)測試采用了Gemini 1.5 Pro、GPT-4o和Claude 3.5 Sonnet 3款模型作為評委，評估答案的充分性、事實(shí)準(zhǔn)確性和文檔支持性。評估分為兩個階段：首先評估響應(yīng)是否符合資格，即是否充分回答了用戶請求；然后評估響應(yīng)的事實(shí)準(zhǔn)確性，即是否完全基于所提供的文檔，有沒有出現(xiàn)“幻覺”。最終根據(jù)該模型在所有示例上的平均得分進(jìn)行排名。
值得一提的是，在FACTSGrounding基準(zhǔn)測試中，谷歌的Gemini模型在事實(shí)準(zhǔn)確的文本生成方面取得了最高分。這一成績不僅體現(xiàn)了Gemini模型在處理真實(shí)世界數(shù)據(jù)方面的優(yōu)勢，也反映了FACTSGrounding基準(zhǔn)測試對于評估LLM事實(shí)準(zhǔn)確性方面的有效性。
三、主題延伸
FACTSGrounding基準(zhǔn)測試的推出，不僅為LLM的開發(fā)者和研究者提供了一個新的評估工具，也為公眾揭示了LLM在處理真實(shí)世界數(shù)據(jù)時的局限性和挑戰(zhàn)。隨著LLM技術(shù)的不斷發(fā)展，我們有必要對它們進(jìn)行更嚴(yán)格的評估和監(jiān)督。
一方面，我們需要關(guān)注LLM在處理真實(shí)世界數(shù)據(jù)時的準(zhǔn)確性問題。由于LLM的訓(xùn)練數(shù)據(jù)主要來源于互聯(lián)網(wǎng)，其中包含大量的虛假信息和主觀觀點(diǎn)。因此，LLM在生成回答時可能會出現(xiàn)“幻覺”和錯誤信息，影響其事實(shí)準(zhǔn)確性。FACTSGrounding基準(zhǔn)測試正是針對這一問題而推出的評估工具。
另一方面，我們需要警惕LLM可能對現(xiàn)實(shí)世界造成的負(fù)面影響。由于LLM的技術(shù)尚未完全成熟，其生成的回答和決策可能會對社會產(chǎn)生誤導(dǎo)和危害。因此，我們需要加強(qiáng)監(jiān)管，確保LLM的應(yīng)用符合道德和法律標(biāo)準(zhǔn)。
總之，谷歌DeepMind團(tuán)隊(duì)推出的FACTSGrounding基準(zhǔn)測試為評估LLM提供了新的視角和方法。通過這一測試，我們可以更好地了解LLM在處理真實(shí)世界數(shù)據(jù)時的表現(xiàn)和能力，從而為未來的技術(shù)發(fā)展提供指導(dǎo)。同時，我們也需要關(guān)注和應(yīng)對LLM可能帶來的挑戰(zhàn)和風(fēng)險。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
