引入了一个名为JSFactCheckBench的新基准来评估大型语言模型(LLM)的事实核查能力。这个日语基准包含1,913个声明,这些声明源自LLM对有关日本社交媒体误导信息的提问的回答,并附有事实性和重要性的注释,以及来自预选网络来源的证据。该基准揭示,与补充性声明相比,LLM在验证直接回答问题的声明时准确性较低,这是聚合分数通常会忽略的一个细微差别。当模型必须在更长或多个来源中查找信息,或者当包含周围的问题和回答上下文时,性能也会下降。 AI
影响 凸显了LLM事实核查准确性方面的关键局限性以及对更细致评估方法的需求。
排序理由 介绍用于评估LLM事实核查器的新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →