Sep, 2024
HelloBench：评估大语言模型的长文本生成能力
HelloBench: Evaluating Long Text Generation Capabilities of Large
Language Models
TL;DR本研究针对大语言模型（LLMs）在长文本生成能力方面的不足，提出了层次化长文本生成基准（HelloBench），用于综合评估LLMs在多个任务上的表现。研究发现，当前大多数LLMs生成的文本长度受限，并存在严重的重复和质量下降问题，同时提出的HelloEval评估方法提供了更高效且与人工评估高度相关的评估方式。