« Long-form factuality » : différence entre les versions

Dernière version du 29 octobre 2024 à 14:01

en construction

Définition

La factualité étendue désigne la propriété qu'un long passage d'un robot conversationnel génératif, soit la réponse générée, ne contienne que des faits avérés (aussi appelés des éléments factuels).

Compléments

La vérification des faits contenus dans une longue réponse procède selon différents algorithmes, dont le SAFE (Search-Augmented Factuality Evaluator) ou bien par la vérification des faits augmentée par la recherche.

Français

factualité étendue

factualité d'un long énoncé

factualité d'un long texte

facutalité longue

Anglais

long-form factuality

Source

Source : huggingface

@@ Ligne 2 : / Ligne 2 : @@
 == Définition ==
-XXXXXXXXX
+La factualité étendue désigne la propriété qu'un long passage d'un robot conversationnel génératif, soit la réponse générée, ne contienne que des faits avérés (aussi appelés des éléments factuels).
+== Compléments ==
+La vérification des faits contenus dans une longue réponse procède selon différents algorithmes, dont le SAFE (Search-Augmented Factuality Evaluator) ou bien par la vérification des faits augmentée par la recherche.
 == Français ==
-''' XXXXXXXXX '''
+''' factualité étendue '''
+''' factualité d'un long énoncé'''
+''' factualité d'un long texte'''
+''' facutalité longue'''
 == Anglais ==
-''' Long-form factuality '''
+''' long-form factuality '''
- Large language models (LLMs) often generate content that contains factual errors when responding to fact-seeking prompts on open-ended topics. To benchmark a model's long-form factuality in open domains, we first use GPT-4 to generate LongFact, a prompt set comprising thousands of questions spanning 38 topics. We then propose that LLM agents can be used as automated evaluators for long-form factuality through a method which we call Search-Augmented Factuality Evaluator (SAFE).
- SAFE utilizes an LLM to break down a long-form response into a set of individual facts and to evaluate the accuracy of each fact using a multi-step reasoning process comprising sending search queries to Google Search and determining whether a fact is supported by the search results. Furthermore, we propose extending F1 score as an aggregated metric for long-form factuality. To do so, we balance the percentage of supported facts in a response (precision) with the percentage of provided facts relative to a hyperparameter representing a user's preferred response length (recall).
-  Empirically, we demonstrate that LLM agents can achieve superhuman rating performance - on a set of ~16k individual facts, SAFE agrees with crowdsourced human annotators 72% of the time, and on a random subset of 100 disagreement cases, SAFE wins 76% of the time. At the same time, SAFE is more than 20 times cheaper than human annotators.

« Long-form factuality » : différence entre les versions