本文介绍: 文章将NLP大模型应用场景和评估方法进行了分类选择了7个评价指标,并进行了16个核心场景、30个大语言模型的评测。:包括问答任务数据集、信息检索任务和数据集、摘要生成任务和数据集、情感分析任务和数据集、毒性检测任务和数据集以及其他类型文本分类任务和数据集。:参与比较的模型包括Anthropic LM(窗口很大),T5,GPT-3 davinci清华大学的GLM和俄罗斯的YaLM等。:一般来说,模型越大效果越好;这篇文章斯坦福大学团队完成的一篇大语言模型的评测文章文章的简称为HELM。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注