87.8%准确率赶超GPT-4o登顶!谷歌DeepMind发布自动评估模型FLAMe

简介: 【8月更文挑战第21天】谷歌DeepMind推出的FLAMe(Foundational Large Autorater Models)是一种基于深度学习的自动评估模型,旨在通过分析输入文本与参考答案的差异来评估大型语言模型(LLMs)的输出质量。FLAMe采用多任务学习方法,在涵盖500万个手工评分的100多种质量评估任务上训练,展现出强大的泛化能力。在RewardBench基准测试中,FLAMe以87.8%的准确率超越GPT-4等先进模型。这一突破不仅降低了人工评估成本,还提高了评估效率,为自然语言处理等领域带来革新。

近年来,随着大型语言模型(LLMs)的快速发展,如何准确评估这些模型的输出质量变得愈发困难。由于人工评估的成本高昂,自动评估模型(autoraters)的需求日益增长。近日,谷歌DeepMind团队发布了一种名为FLAMe(Foundational Large Autorater Models)的自动评估模型,旨在解决这一挑战。

FLAMe是一种基于深度学习的自动评估模型,它通过分析和比较输入文本与参考答案之间的差异来评估输出质量。与传统的自动评估模型不同,FLAMe采用了一种全新的训练方法,使其能够更好地泛化到各种不同的任务上。

FLAMe的训练数据来自一个包含100多个质量评估任务的大型且多样化的集合,这些任务涵盖了超过500万个人工判断。这些数据是通过整理和标准化之前研究中公开发布的人工评估数据而获得的。

为了提高FLAMe的泛化能力,研究人员采用了一种多任务学习的方法。他们将FLAMe训练成一个能够处理各种不同任务的通用模型,而不是为每个任务单独训练一个模型。这种多任务学习的方法使得FLAMe能够更好地理解语言的多样性和复杂性,从而提高其评估的准确性。

FLAMe在多个自动评估基准上表现出了出色的性能。在RewardBench基准上,FLAMe的准确率达到了87.8%,超过了目前最先进的生成模型GPT-4o(84.7%)和GPT-4-0125(85.9%)。这一结果表明,FLAMe在评估生成模型的输出质量方面具有显著的优势。

此外,研究人员还发现,FLAMe在其他8个自动评估基准上的12个任务中,有8个任务的性能超过了所有流行的专有LLM-as-a-Judge模型。这些任务包括RewardBench和LLM-AggreFact等具有挑战性的基准。

FLAMe的出现为自动评估领域带来了新的希望。首先,它有望降低人工评估的成本和时间消耗,使得研究人员能够更高效地评估和改进大型语言模型。其次,FLAMe的多任务学习能力使其能够适应各种不同的应用场景,包括但不限于自然语言处理、计算机视觉和语音识别等。

然而,FLAMe也存在一些潜在的问题和挑战。首先,由于其训练数据的多样性和规模,FLAMe可能存在一定的偏见和不公平性。其次,FLAMe的性能是否能够持续保持领先,以及其在实际应用中的鲁棒性和可靠性如何,还有待进一步的研究和验证。

论文地址:https://arxiv.org/abs/2407.10817

目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
当语言遇见智慧火花:GPT家族历代模型大起底,带你见证从平凡到卓越的AI进化奇迹!
【10月更文挑战第6天】随着自然语言处理技术的进步,GPT系列模型(Generative Pre-trained Transformers)成为该领域的明星。从GPT-1的开创性工作,到GPT-2在规模与性能上的突破,再到拥有1750亿参数的GPT-3及其无需微调即可执行多种NLP任务的能力,以及社区驱动的GPT-NeoX,这些模型不断进化。虽然它们展现出强大的语言理解和生成能力,但也存在如生成错误信息或偏见等问题。本文将对比分析各代GPT模型的特点,并通过示例代码展示其部分功能。
147 2
|
2月前
|
数据采集 API 决策智能
华为诺亚联合中科大发布工具调用模型ToolACE,效果持平GPT-4获开源第一
 【10月更文挑战第10天】华为诺亚方舟实验室与中国科学技术大学合作推出ToolACE,一种自进化合成过程的工具调用模型。ToolACE通过多智能体交互和双重验证系统生成准确、复杂、多样化的工具学习数据,显著提升大型语言模型(LLM)的功能调用能力。实验结果显示,使用ToolACE数据训练的80亿参数模型性能媲美GPT-4,在伯克利功能调用排行榜上获得开源第一。
87 4
|
3月前
|
API 云栖大会
通义千问升级旗舰模型Qwen-Max,性能接近GPT-4o
通义旗舰模型Qwen-Max全方位升级,性能接近GPT-4o
1356 11
|
12天前
|
数据采集 人工智能 数据可视化
InternVL 2.5,首个MMMU超过70%的开源模型,性能媲美GPT-4o
近期Internvl2.5发布,性能与GPT-4o和Claude-3.5-sonnet等领先的商业模型相媲美,成为首个在MMMU上超过70%的开源模型,通过链式思考(CoT)推理实现了3.7个百分点的提升,展示了强大的测试时间可扩展性潜力。
|
4月前
|
人工智能 自然语言处理
公理训练让LLM学会因果推理:6700万参数模型比肩万亿参数级GPT-4
【8月更文挑战第3天】新论文提出“公理训练”法,使仅有6700万参数的语言模型掌握因果推理,性能媲美万亿级GPT-4。研究通过大量合成数据示例教授模型因果公理,实现有效推理并泛化至复杂图结构。尽管面临合成数据需求大及复杂关系处理限制,此法仍为语言模型的因果理解开辟新途径。[链接: https://arxiv.org/pdf/2407.07612]
85 1
|
26天前
|
自然语言处理 搜索推荐 Serverless
基于函数计算部署GPT-Sovits模型实现语音生成
阿里云开发者社区邀请您参加“基于函数计算部署GPT-Sovits模型实现语音生成”活动。完成指定任务即可获得收纳箱一个。活动时间从即日起至2024年12月13日24:00:00。快来报名吧!
|
4月前
|
知识图谱
ARTIST的中文文图生成模型问题之通过GPT生成图像序列的问题如何解决
ARTIST的中文文图生成模型问题之通过GPT生成图像序列的问题如何解决
|
27天前
|
弹性计算 自然语言处理 搜索推荐
活动实践 | 基于函数计算部署GPT-Sovits模型实现语音生成
通过阿里云函数计算部署GPT-Sovits模型,可快速实现个性化声音的文本转语音服务。仅需少量声音样本,即可生成高度仿真的语音。用户无需关注服务器维护与环境配置,享受按量付费及弹性伸缩的优势,轻松部署并体验高质量的语音合成服务。
|
2月前
|
存储 数据采集 数据安全/隐私保护
商汤、清华、复旦等开源百亿级多模态数据集,可训练类GPT-4o模型
商汤科技、清华大学和复旦大学等机构联合开源了名为OmniCorpus的多模态数据集,规模达百亿级,旨在支持类似GPT-4级别的大型多模态模型训练。该数据集包含86亿张图像和1696亿个文本标记,远超现有数据集规模并保持高质量,具备广泛来源和灵活性,可轻松转换为纯文本或图像-文本对。经验证,该数据集质量优良,有望促进多模态模型研究,但同时也面临存储管理、数据偏见及隐私保护等挑战。
179 60
|
4月前
长上下文能力只是吹牛?最强GPT-4o正确率仅55.8%,开源模型不如瞎蒙
【8月更文挑战第10天】新研究NoCha挑战显示,即使是顶级的大型语言模型GPT-4o,在处理长篇幅文本时正确率仅55.8%,低于人类直观水平。该挑战基于近作英文小说,检验模型对整本书信息的理解与推理能力。结果显示,模型在全局推理上的表现不佳,倾向于依赖局部信息而非整体上下文,尤其是在复杂推理需求高的科幻小说上表现更弱。这一发现揭示了当前模型在处理长上下文任务上的局限性。论文链接: [https://arxiv.org/pdf/2406.16264](https://arxiv.org/pdf/2406.16264)。
127 65

热门文章

最新文章