研究人员开发了一个名为CAP-Correctness的新框架,以改进开放式问答(QA)系统(尤其是大型语言模型LLM)的评估。现有指标难以区分正确答案与不完整、矛盾或包含错误前提的答案。新框架引入了一个包含八个有序类别的语义正确性分类法,并发布了两个数据集CAP-Correctness(8.8k个示例)和CAP-Statements(11k个示例),以促进训练和评估。此外,还提出了一种名为CAP(Context-Aware Precision)的新指标,该指标使用自然语言推理来评估问题条件语句,据报道其表现优于现有基线。 AI
影响 该框架有望带来更可靠的LLM评估,推动QA能力的提升,并减少幻觉的影响。
排序理由 该集群描述了一篇介绍用于评估LLM问答能力的框架和数据集的新学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →