Through the Lens of Core Competency: Survey on Evaluation of Large Language Models

本文是LLM系列文章,针对《Through the Lens of Core Competency: Survey on Evaluation of Large Language Models》的翻译。

从核心能力看大型语言模型的评价

  • 摘要
  • 1 引言
  • 2 核心能力
  • 3 未来方向
  • 4 结论

摘要

从预训练语言模型(PLM)到大型语言模型(LLM),自然语言处理(NLP)领域已经见证了巨大的性能提升和广泛的实际应用。对一个研究领域的评估指导其改进方向。然而,LLM非常难以彻底评估,原因有两个。首先,由于LLM的优异性能,传统的NLP任务变得不足。其次,现有的评估任务很难跟上现实世界场景中广泛的应用。为了解决这些问题,现有的工作提出了各种基准,以更好地评估LLM。为了阐明学术界和工业界的众多评估任务,我们调查了多篇关于LLM评估的论文。我们总结了LLM的4个核心能力,包括推理、知识、可靠性和安全性。对于每种能力,我们都会介绍其定义、相应的基准和度量标准。在这种能力架构下,类似的任务被组合起来以反映相应的能力,而新的任务也可以很容易地添加到系统中。最后,我们对LLM评估的未来方向提出了建议。

1 引言

2 核心能力

3 未来方向

4 结论

本调查对LLM评估的各种文献进行了全面综述。我们将不同的作品与其预期的能力相结合。一些能力(推理、知识)已经有了全面的评估基准,而另一些能力(规划、编码)仍然面临着不同的挑战。本文的目的是通过核心能力测试的视角来梳理LLM评估的众多工作。由于LLM的各种功能,减轻了吸收大量评估作品的认知负荷。在这样做的过程中,我们还确定了每种能力所面临的挑战,并期待着在未来减轻这种挑战。

你可能感兴趣的:(LLM,综述文章,语言模型,人工智能,自然语言处理)