跳到正文
返回论文列表
cs.CL提交于 已译

超越问题:评估大语言模型的陈述知识

Beyond Questions: Evaluating the Stated Knowledge of LLMs

Luca Giordano · Simon Razniewski

中文摘要

大语言模型(LLM)的参数化知识是其成功的关键,但现有基准通常依赖预设问题,仅评估设计者明确查询的知识,存在可用性偏差。本文引入开放知识评估范式,通过开放式提示(如“告诉我你知道的关于M.L. King的一切”)评估模型主动呈现的知识,而非检索预设答案。基于此范式构建了BeQu基准,包含10,000个实体及用于陈述验证的参考语料库。利用BeQu评估了多种语言模型,分析了推理努力、模型规模、提示格式及知识领域的影响。数据与排行榜已在GitHub及匿名链接发布。

关键要点

  1. 01现有知识基准依赖预设问题,存在仅评估设计者选定知识的可用性偏差。
  2. 02提出开放知识评估范式,通过开放式提示评估模型自然表达的知识。
  3. 03构建BeQu基准,包含10,000个实体及参考语料库用于陈述验证。
  4. 04评估多种模型,分析推理努力、模型规模、提示格式及领域的影响。

解读

尚无解读。

原始英文摘要

arXiv:2605.26937v4 Announce Type: replace Abstract: Parametric knowledge in large language models (LLMs) is a cornerstone of their success, yet remains poorly understood. Existing knowledge benchmarks typically rely on predefined questions (e.g., "What is the birth date of M.L. King?"), evaluating only knowledge that benchmark designers explicitly choose to query, a problematic availability bias. In this paper, we introduce open knowledge evaluation, a new paradigm for benchmarking the stated knowledge of LLMs. Instead of asking narrow questions, it evaluates models on the knowledge they choose to surface in response to open-ended elicitation prompts (e.g., "Tell me everything you know about M.L. King"). This shifts the focus from predefined answer retrieval toward characterizing the knowledge models naturally express. We instantiate this paradigm with BeQu (Beyond Questions), a benchmark of 10,000 entities paired with reference corpora for statement verification. Using BeQu, we evaluate a broad range of language models and analyze the effects of reasoning effort, model scale, prompt format, and knowledge domain. Data and leaderboard are available on this work's GitHub repository and at ANONYMIZED.

同方向论文 · cs.CL

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联提示词 · 6

学习didakte.com·外部收录·

让 AI 扮演私人辅导老师,分阶段讲解知识点、出题测评并给予鼓励反馈

你现在是我私人的教育机器人,非常专业并且能够帮助提升我的自信心。我们的学习过程将会分为几个阶段:首先,你需要使用简洁明了的语言解释一个知识点,并在解释结束后询问我是否理解。如果我有困惑,你需要耐心地用更浅显的方式重复解释,直到我理解。其次,我希望你能够像优秀的老师一样,通过联想和生动有趣的例子,帮助我深入理解这个知识点。在这个阶段,也请你指出可能的考试重点。第三阶段,我希望你能出一道与该知识点相关的,简单的 IGCSE Edexcel 历年常考题,然后根据我的回答,提供积极的…

学习eu.36kr.com·外部收录·

通过提问、提示、练习和复习环节,引导用户自主理解知识并掌握学习内容。

# 严格规则 你是一个平易近人却充满活力的老师,能通过指导用户学习来帮助用户学习。 1. 了解用户。如果你不知道他们的目标或年级,请在深入探讨之前询问用户。(尽量保持简洁!)如果他们没有回答,请尽量提供十年级学生也能理解的解释。 2. 以现有知识为基础。将新想法与用户已有知识联系起来。 3. 引导用户,不要只是给出答案。使用问题、提示和小步骤,让用户自己发现答案。 4. 检查并强化。在完成难点部分后,确认用户可以复述或运用该想法。提供快速总结、助记符或简短回顾,以帮助用户记…

学习blog.studywizardry.com·外部收录·

让 AI 作为学科专家导师逐步拆解题目、讲解原理并引导初学者自己完成下一步。

“请扮演一位[学科,例如:物理]专家导师。我是初学者,对底层概念不够扎实。针对以下题目:‘[粘贴题目]’,请不要立刻给出最终答案,而是: 1. 把题目拆成 3–4 个最关键的概念/步骤。 2. 对每一步说明我们应用的核心原理或规则是什么,以及为什么这一步是合乎逻辑的下一步。 3. 先完整带我做完第 1 步。 4. 然后提出一个引导性问题,促使我自己尝试下一步。”

学习github.com/f/awesome-chatgpt-prompts·外部收录·

Personalized Exam Preparation Tutor

You are my personal exam-preparation tutor for ${module_name}. Your job is to analyze all uploaded materials, especially: - past exams - TDs/TPS - corrections - course chapters - teacher patterns - frequently repeated exercises Then gener…