XQDT

新的XQDT指标为数据-文本对齐提供可解释的评估

研究人员开发了XQDT，一种用于评估语言模型中数据-文本对齐的新颖指标。与提供有限解释或依赖昂贵的LLM-as-Judge方法的现有方法不同，XQDT对语言模型进行微调，以精确识别数据-文本对中的特定错误，如遗漏、添加或不准确之处。这种方法提供了详细的诊断反馈和可解释的对齐分数，在错误预测方面优于LLM-as-Judge方法，并与人类判断良好相关。该指标的输出还可以作为反馈信号，用于改进数据到文本和文本到数据的生成。