9 月 24 日消息，科技媒體 marktechpost 昨日（9 月 23 日）發(fā)布博文，報道稱 OpenAI 在 Hugging Face 上發(fā)布了多語言大規(guī)模多任務語言理解（MMMLU）數(shù)據(jù)集。
背景
隨著語言模型日益強大，評估其在不同語言、認知和文化背景下的能力已成為當務之急。
OpenAI 決定推出 MMMLU 數(shù)據(jù)集，通過提供強大的多語言和多任務數(shù)據(jù)集，來評估大型語言模型（LLMs）在各種任務中的性能，從而應對這一挑戰(zhàn)。
MMMLU 數(shù)據(jù)集簡介
MMMLU 數(shù)據(jù)集包含一系列問題，涵蓋各種主題、學科領域和語言。其結構旨在評估模型在不同研究領域中需要常識、推理、解決問題和理解能力的任務中的表現(xiàn)。
MMMLU 的創(chuàng)建反映了 OpenAI 對測量模型實際能力的關注，尤其是在 NLP 研究中代表性不足的語言，納入多種語言可確保模型在使用英語時有效，并能勝任全球使用的其他語言。
MMMLU 數(shù)據(jù)集核心
涵蓋范圍廣
MMMLU 數(shù)據(jù)集是同類基準中最廣泛的基準之一，涵蓋了從高中問題到高級專業(yè)和學術知識的多種任務。
研究人員和開發(fā)人員在利用 MMMLU 數(shù)據(jù)集過程中，可以調用不同難度的問題，測試大預言模型在人文、科學和技術主題下的表現(xiàn)。
更考驗深層認知
這些問題都經(jīng)過精心策劃，以確保對模型的測試不局限于表面理解，而是深入研究更深層次的認知能力，包括批判性推理、解釋和跨領域解決問題的能力。
多語言支持
MMMLU 數(shù)據(jù)集的另一個值得注意的特點是它的多語言范圍，支持簡體中文。該數(shù)據(jù)集支持多種語言，可以進行跨語言的綜合評估。
然而，以英語數(shù)據(jù)訓練的模型在使用其他語言時往往需要幫助來保持準確性和連貫性。MMMLU 數(shù)據(jù)集提供了一個框架，用于測試傳統(tǒng)上在 NLP 研究中代表性不足的語言模型，從而彌補了這一差距。
MMMLU 數(shù)據(jù)集意義
MMMLU 的發(fā)布解決了人工智能界的幾個相關挑戰(zhàn)。它提供了一種更具多樣性和文化包容性的方法來評估模型，確保它們在高資源和低資源語言中都能表現(xiàn)出色。
MMMLU 的多任務特性突破了現(xiàn)有基準的界限，它可以評估同一模型在不同任務中的表現(xiàn)，從類似瑣事的事實回憶到復雜的推理和問題解決。這樣就能更細致地了解模型在不同領域的優(yōu)缺點。
