普林斯顿大学 发布 BullshitEval 数据集, 应用在 自然语言处理、机器学习评估 领域

普林斯顿大学 本次发布的数据集 BullshitEval, BullshitEval数据集是一项专门为评估大型语言模型（LLM）中“机器废话”现象而设计的新基准。该数据集由2400个场景组成，跨越100个不同的AI助手角色，涵盖了广泛的咨询任务和实际应用。每个场景都明确定义了助手的角色，通常涉及产品或服务推荐，或提供专家指导。BullshitEval旨在帮助研究人员更好地理解LLMs中不真实行为的具体表现形式，并评估不同的训练和推理策略对这些行为的影响。

查看BullshitEval

关于 普林斯顿大学 , 普林斯顿大学是一所位于美国新泽西州的顶级私立研究型大学，以卓越的教学和科研实力闻名于世。

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。