5月22日消息，近期中文大語言模型蓬勃發(fā)展，但卻一直少有出現(xiàn)可應用于評測”大模型能力“的測試。甲骨易AI研究院提出一種衡量中文大模型處理多任務準確度的測試，并在此基礎(chǔ)上制作了一套適配“測試中文大模型”的數(shù)據(jù)集，并將其命名為“超越”，MMCU(MassiveMultitaskChineseUnderstanding)。5月20日，甲骨易AI研究院“超越”中文大模型測試集正式發(fā)布。

據(jù)介紹，“超越”的意義是希望中文大語言模型“超”出多數(shù)模型只能基于英文數(shù)據(jù)集測試的現(xiàn)狀，通過發(fā)現(xiàn)大模型的缺陷，從而促進大模型理解中文語言的能力，使其“越”來越強大。這里“超”和“越”要單獨來理解，并不是超越別人的意思。

甲骨易AI研究院首席研究員Felix透露，4月推出了MMCU的測試集和測試方法。數(shù)據(jù)集的測試內(nèi)容涵蓋四大領(lǐng)域：醫(yī)療、法律、心理學和教育。題目的數(shù)量達到1萬+，其中包括醫(yī)療領(lǐng)域2819道題，法律領(lǐng)域3695道題，心理學領(lǐng)域2001道，教育領(lǐng)域3331道。

“我們是把大模型當作一個真正的人類來看待，”Felix表示，測試集之所以涉及語、數(shù)、物理、化學這些科目，因為人工智能必須像人類一樣，具備對于世界的基礎(chǔ)的認知；而醫(yī)療、法律、心理學專業(yè)領(lǐng)域則是將大模型視為專業(yè)人士進行考核。

“所有題目都不是從網(wǎng)絡上直接能夠抓到的，而是由大量的人工整理，盡可能確保不會出現(xiàn)在大模型的訓練數(shù)據(jù)中。而整套的測試集涵蓋的領(lǐng)域能夠確保模型測試的知識的廣度和深度，從而幫助研究者們?nèi)グl(fā)現(xiàn)這一模型的哪個領(lǐng)域有缺陷或者說它的整體上都有缺陷?！盕elix說到。

中國科學院大學網(wǎng)絡數(shù)據(jù)重點實驗室的咸寧針對MMCU測試集的使用情況進行分享，解釋了測試數(shù)據(jù)集的分析原理，對幾大模型的測試成果進行了展示與客觀分析，并指出了超越MMCU測試數(shù)據(jù)集當下尚存在一些亟待解決的問題。

通過大模型測試發(fā)現(xiàn)，在本應有明顯優(yōu)勢的語文科目中，國產(chǎn)大模型的表現(xiàn)卻差強人意。Felix指出，現(xiàn)在很多模型評估還是處于人工評估階段，甲骨易推出“超越”MMCU數(shù)據(jù)集的初衷是希望實現(xiàn)對大模型進行大規(guī)模的評估。當下的評測結(jié)果可能存在隨機誤差，但未來還將持續(xù)優(yōu)化評測方式并擴充評測領(lǐng)域。

“大模型的訓練以及大規(guī)模評估需要大量算力。”甲骨易AI研究院最后表示，愿與業(yè)界更多機構(gòu)聯(lián)手，一道攜手推進大模型的發(fā)展，加速人工智能技術(shù)的產(chǎn)學研用進程。

生成海報

免責聲明：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確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(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)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。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，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。