5月22日消息，近期中文大語言模型蓬勃發(fā)展，但卻一直少有出現可應用于評測”大模型能力“的測試。甲骨易AI研究院提出一種衡量中文大模型處理多任務準確度的測試，并在此基礎上制作了一套適配“測試中文大模型”的數據集，并將其命名為“超越”，MMCU(MassiveMultitaskChineseUnderstanding)。5月20日，甲骨易AI研究院“超越”中文大模型測試集正式發(fā)布。
據介紹，“超越”的意義是希望中文大語言模型“超”出多數模型只能基于英文數據集測試的現狀，通過發(fā)現大模型的缺陷，從而促進大模型理解中文語言的能力，使其“越”來越強大。這里“超”和“越”要單獨來理解，并不是超越別人的意思。
甲骨易AI研究院首席研究員Felix透露，4月推出了MMCU的測試集和測試方法。數據集的測試內容涵蓋四大領域：醫(yī)療、法律、心理學和教育。題目的數量達到1萬+，其中包括醫(yī)療領域2819道題，法律領域3695道題，心理學領域2001道，教育領域3331道。
“我們是把大模型當作一個真正的人類來看待，”Felix表示，測試集之所以涉及語、數、物理、化學這些科目，因為人工智能必須像人類一樣，具備對于世界的基礎的認知；而醫(yī)療、法律、心理學專業(yè)領域則是將大模型視為專業(yè)人士進行考核。
“所有題目都不是從網絡上直接能夠抓到的，而是由大量的人工整理，盡可能確保不會出現在大模型的訓練數據中。而整套的測試集涵蓋的領域能夠確保模型測試的知識的廣度和深度，從而幫助研究者們去發(fā)現這一模型的哪個領域有缺陷或者說它的整體上都有缺陷。”Felix說到。
中國科學院大學網絡數據重點實驗室的咸寧針對MMCU測試集的使用情況進行分享，解釋了測試數據集的分析原理，對幾大模型的測試成果進行了展示與客觀分析，并指出了超越MMCU測試數據集當下尚存在一些亟待解決的問題。
通過大模型測試發(fā)現，在本應有明顯優(yōu)勢的語文科目中，國產大模型的表現卻差強人意。Felix指出，現在很多模型評估還是處于人工評估階段，甲骨易推出“超越”MMCU數據集的初衷是希望實現對大模型進行大規(guī)模的評估。當下的評測結果可能存在隨機誤差，但未來還將持續(xù)優(yōu)化評測方式并擴充評測領域。
“大模型的訓練以及大規(guī)模評估需要大量算力。”甲骨易AI研究院最后表示，愿與業(yè)界更多機構聯手，一道攜手推進大模型的發(fā)展，加速人工智能技術的產學研用進程。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
