计算机科学 > 人工智能
[提交于 2025年8月10日
]
标题: 重新思考领域专用大语言模型基准构建:全面性与紧凑性方法
标题: Rethinking Domain-Specific LLM Benchmark Construction: A Comprehensiveness-Compactness Approach
摘要: 许多基准已被构建用于评估大型语言模型(LLMs)的领域特定能力,突显了有效且高效构建基准的必要性。 现有的领域特定基准主要关注扩展定律,依赖大量语料进行监督微调或生成广泛的题集以实现广泛覆盖。 然而,语料和问题答案(QA)集设计对领域特定LLMs的精确率和召回率的影响仍未被探索。 在本文中,我们解决了这一差距,并证明扩展定律并不总是特定领域基准构建的最佳原则。 相反,我们提出了Comp-Comp,一个基于全面性-紧凑性原则的迭代基准框架。 在这里,全面性确保领域的语义召回,而紧凑性提高精确度,指导语料和QA集的构建。 为了验证我们的框架,我们在一所著名的大学进行了案例研究,从而创建了XUBench,一个大规模且全面的封闭领域基准。 尽管我们在本工作中使用学术领域作为案例,但我们的Comp-Comp框架设计为可扩展至学术以外的领域,为各个领域的基准构建提供了有价值的见解。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.