本文建立了一个上下文理解基准，通过四个任务和九个数据集测试大型语言模型（LLM）理解上下文的能力。实验显示，预训练的LLM在处理微妙的上下文特征时表现不佳，且3-bit后训练量化会降低其上下文理解性能。此基准为LLM评估提供了新的视角，补充了现有评估方法。
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。
已下架不支持订阅
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
