Meta Semantic Template for Evaluation of Large Language Models

本文是LLM系列文章，针对《Meta Semantic Template for Evaluation of Large Language Models》的翻译。

摘要

大型语言模型(llm)是否真正理解语言的语义，或者只是记住训练数据?最近对LLM潜在数据污染的关注，提高了社会对LLM评估研究的认识。在本文中，我们提出了MSTEMP，一种创建元语义模板来评估llm语义理解能力的方法。MSTEMP的核心不是直接对现有的基准数据集进行评估，而是以现有的数据集为种子生成新的out-of-distribution (OOD)评估集。具体来说，对于给定的句子，MSTEMP利用另一种语言模型来生成新的样本，同时保留其语义。这些新样本被称为原句子的语义模板。然后，MSTEMP通过句子解析和语义模板上的随机单词替换生成评估样本。MSTEMP具有高度的灵活性、动态性和成本效益。我们的初步实验表明，mstemp生成的样本可以显著降低使用现有数据集作为种子的llm的性能。我们希望这一初步工作能够对LLM评价的未来研究有所启发。

1 引言

2 相关工作

3 方法

4 实验

5 结论

本文提出了一种基于给定种子数据集生成语义保持样本的llm评估方法MSTEMP。MSTEMP有可能通过使用额外的评估器LMs和替换模板中的单词来生成OOD样本，从而减少数据污染的可能性。我们希望这一初步工作能够分享我们对LLM评估研究的一些最新发现，并启发未来的新方法。