研究人员推出了APRiL,这是一个旨在评估大型语言模型在中文语境下社会意识的新基准。该基准包含2,196个评估实例,分为六个类别和两项任务:社会场景分析,评估对社交线索和冲突的理解;以及社会意识响应,测试生成恰当回复的能力。对12个模型的实验表明,理解和响应生成之间存在持续的差距,这表明虽然改进场景分析可以增强响应,但糟糕的分析可能会降低响应质量。 AI
影响 该基准旨在提高LLM在中文语境下的细微社会理解和响应生成能力。
排序理由 该集群包含一篇介绍用于评估LLM的新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- APRiL
- arXiv
- Hugging Face
- large language models
- Social Awareness Evaluation Instances
- Socially Aware Response
- Social Scenario Analysis
- Chinese
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →