Chúng ta có đang kiểm thử quá nhiều? Khảo sát về nén bộ đánh giá chuẩn nhằm đánh giá hiệu quả các mô hình ngôn ngữ lớn

Đoạn trích bài viết

Các bộ đánh giá chuẩn là điều thiết yếu để đánh giá và cải thiện các mô hình ngôn ngữ lớn (LLM). Tuy nhiên, nhiều bộ đánh giá chuẩn được sử dụng rộng rãi lại dư thừa, khiến việc đánh giá trở nên tốn kém không cần thiết. Nén bộ đánh giá chuẩn giúp giảm chi phí này bằng cách ước tính điểm số và thứ hạng của toàn bộ tập đánh giá từ một đánh giá thành phần.