计算机科学 > 计算与语言
[提交于 2024年12月31日
]
标题: 大型语言模型中幻觉评估的忠实度指标综述
标题: A review of faithfulness metrics for hallucination assessment in Large Language Models
摘要: 这篇综述考察了在开放式摘要、问答和机器翻译任务中评估忠实性的方法。 我们发现,使用大语言模型作为忠实性评估者通常是与人类判断最高度相关的指标。 讨论了其他研究如何减轻幻觉现象,检索增强生成(RAG)和提示框架方法已被证明与更高的忠实性相关,同时提供了其他缓解建议。 对忠实性的研究对于大语言模型的持续广泛应用至关重要,因为不忠实的回应可能在许多原本适合使用大语言模型的领域带来重大风险。 此外,评估开放式生成提供了一个比常用的选择题基准更全面的衡量标准,这有助于提高对大语言模型的信任。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.