IT之家 10 月 31 日消息，當?shù)貢r間 30 日，OpenAI 宣布，為了衡量語言模型的準確性，將開源一個名為 SimpleQA 的新基準，可衡量語言模型回答簡短的事實尋求（fact-seeking）問題的能力。
AI 領(lǐng)域中的一個開放性難題是如何訓(xùn)練模型生成事實正確的回答。當前的語言模型有時會產(chǎn)生錯誤輸出或未經(jīng)證實的答案，這一問題被稱為“幻覺”。能夠生成更準確、更少幻覺的回答的語言模型更為可靠，可以用于更廣泛的應(yīng)用領(lǐng)域。
OpenAI 表示，目標是使用 SimpleQA 創(chuàng)建一個具備以下特點的數(shù)據(jù)集：
高正確性：問題的參考答案由兩名獨立的 AI 訓(xùn)練師驗證，以確保評分的公正性。
多樣性：SimpleQA 涵蓋廣泛主題，從科學(xué)技術(shù)到電視節(jié)目與電子游戲應(yīng)有盡有。
前沿挑戰(zhàn)性：與 TriviaQA（2017 年）或 NQ（2019 年）等早期基準相比，SimpleQA 更具挑戰(zhàn)性，尤其針對如 GPT-4o 等前沿模型（例如，GPT-4o 的得分不足 40%）。
高效用戶體驗：SimpleQA 問題與答案簡潔明了，使操作快速高效，并可通過 OpenAI API 等進行快速評分。此外，包含 4326 道問題的 SimpleQA 在評估中應(yīng)具有較低的方差。
SimpleQA 將是一個簡單但具有挑戰(zhàn)性的基準，用于評估前沿模型的事實準確性。SimpleQA 的主要限制在于其范圍 —— 盡管 SimpleQA 準確，但它只在短查詢的受限設(shè)置中測量事實準確性，這些查詢是事實導(dǎo)向的，并且有一個可驗證的答案。
OpenAI 表示，模型在短回答中表現(xiàn)出的事實性是否與其在長篇、多事實內(nèi)容中的表現(xiàn)相關(guān)，這仍是個懸而未決的研究課題。其希望 SimpleQA 的開源能夠進一步推動 AI 研究的發(fā)展，使模型更加可信并富有可靠性。
IT之家附有關(guān)地址：
開源鏈接：https://github.com/openai/simple-evals/
論文：https://cdn.openai.com/papers/simpleqa.pdf
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。