Exploring the Limitations of Large Language Models in Compositional Relation Reasoning

本文评估了大型语言模型在处理英语、中文、日语、法语和韩语中的构图关系推理能力,通过1500个测试案例的MCR基准。结果显示,尽管最先进的LLM如LLaMA和GPT-3表现不佳,但ChatGPT和GPT-4等更现代模型显示出更高的准确性,揭示了当前模型与真正理解语义的差距。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《Exploring the Limitations of Large Language Models in Compositional Relation Reasoning》的翻译。

大型语言模型在作文关系推理中的局限性探讨

摘要

我们通过一个包含1500个英语测试案例的基准,对大型语言模型(LLM)推理作文关系的能力进行了全面评估,该基准旨在涵盖六种不同类型的作文关系:位置关系、比较关系、个人关系、数学关系、同一性关系和其他关系。认识到多语言能力的重要性,我们扩大了评估范围,将这些案例翻译成中文、日语、法语和韩语。我们的多语言作文关系(MCR)基准旨在研究LLM在处理不同语言背景下的作文关系推理时的稳健性和适应性。我们的基准MCR将在http://github.com/anonymous发布。

1 引言

2 相关工作

3 动机

4 基准

5 实验

6 结论

在这项工作中,我们对LLM在推理构图关系方面的能力进行了全面评估。我们的研究结果表明,最先进的LLM,包括LLaMA-2 7

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值