May, 2023

大型语言模型是否适合作为抽象概括的评估器?

TL;DR本文旨在探讨使用 LLMS(例如“gpt-3.5-turbo”)作为自动评估器来评估摘要的性能,并比较了不同的评估方法和提示格式对其评估能力的影响。作者建议哪些提示格式可以提高LLM的性能,并讨论了LLM的评估能力随摘要质量和评估维度的变化。