本文是LLM系列文章,针对《Can Large Language Models Understand Context?》的翻译。
摘要
理解上下文是理解人类语言的关键,大型语言模型(LLM)越来越多地被视为在令人印象深刻的程度上展示了这一能力。然而,尽管LLM的评估涵盖了自然语言处理领域内的各个领域,但对探究其理解上下文特征的语言能力的关注有限。本文通过调整现有数据集以适应生成模型的评估,引入了一个上下文理解基准。该基准测试由四个不同的任务和九个数据集组成,所有这些都具有旨在评估模型理解上下文能力的提示。首先,我们评估了LLM在上下文内学习预训练场景下的性能。实验结果表明,与最先进的微调模型相比,预训练的密集模型难以理解更细微的上下文特征。其次,随着LLM压缩在研究和现实世界的应用中具有越来越重要的意义,我们评估了在上下文学习环境下量化模型的上下文理解。我们发现,在我们的基准测试中,3-bit后训练量化会导致不同程度的性能下降。我们对这些场景进行了广泛的分析,以证实我们的实验结果。