Can Large Language Models Understand Context?

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。

1 引言

2 相关工作

3 任务选择与设计

4 实验

5 用例研究：查询重写

6 结论

本文介绍了一个上下文理解基准，旨在评估LLM的性能。我们收集了跨越四个任务的九个现有数据集，每个数据集都经过精心定制以适应生成模型。这一基准包括评估语境中的语言理解的基本要素，包括基于文档和对话的语境理解。实验结果表明，在这种具有挑战性的基准中，语境学习下的LLM难以处理细微的语言特征，与强调语言其他方面的其他基准表现出