知识卡片
词汇重叠不代表功能正确
词汇相似度比较单词或n-gram重叠,适合衡量表面表达的一致程度。但措辞相似的代码可能运行结果不同,词汇不同的回答可能同样正确。优化BLEU等词汇分数不等于优化任务功能;参考响应缺漏或错误还会扭曲得分。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 评估方法论
原书出处 · 1 处
- · 查看原书依据
优化BLEU分数并不等同于优化功能正确性(Chen等,“Evaluating Large Language Models Trained on Code”,2021)。
参考来源
- 位置:《AI工程:大模型应用开发实战》第3章《评估方法论》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section011.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:优化BLEU分数并不等同于优化功能正确性(Chen等,“Evaluating Large Language Models Trained on Code”,2021)。