机构名称：
¥ 2.0
在该立场论文中，我们认为人类对生成大语言模型（LLM）的评估应是一个多学科的承诺，它借鉴了从学科（例如用户体验研究和人类行为心理学）的洞察力，以确保实验性设计和结果是可靠的。因此，这些评估的结论必须考虑诸如可用性，美学和认知偏见之类的因素。我们强调了齿状偏见如何将流利的信息和真实性混为一谈，以及认知不确定性如何影响诸如李克特等评级分数的可靠性。此外，评估应区分日益强大的大语言模型的能力和弱点，这需要有效的测试集。人类评估的范围性对于更广泛的采用也至关重要。因此，为了在生成NLP时代设计一个有效的人类评估系统，我们提出了考虑的考虑 - 人类评估框架，该框架由6个支柱组成 - con sistency，s coring cr i tera，s coring cr i tera，d ifferentiating，用户experience，r Esponsible和s calitible和s Calitia和s Calitia。
考虑了人类评估框架
主要关键词
相关文件推荐
