上海交通大学 发布 GUIDEBENCH 数据集, 应用在 大型语言模型评估、自然语言处理 领域

上海交通大学 本次发布的数据集 GUIDEBENCH, GUIDEBENCH是一个用于评估大型语言模型（LLM）遵循特定领域指南的能力的综合基准。该数据集包含1272个实例，跨越7个不同类别，包括审计算法、价格匹配、文本相关性、数学、代理聊天、摘要和幻觉检测。GUIDEBENCH旨在评估LLM在三个关键方面的表现：遵守多样规则、对规则更新的鲁棒性和与人类偏好的匹配。数据集的创建过程包括从可靠的领域来源收集初始数据，使用场景模拟模板和多响应生成指南，以及通过基准模型验证和专家评审进行最终质量验证。该数据集旨在作为诊断工具，以识别LLM在面对不断发展的运营标准时的弱点，为提高LLM的鲁棒性提供有价值的见解。

查看GUIDEBENCH

关于 上海交通大学 , 上海交通大学是中国历史最悠久、规模最大、综合实力最强的著名高等学府之一，是中国教育部直属的全国重点大学，位于中国上海。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。