lm contamination

مؤشر التلوث LM

شهدت نماذج اللغة الكبيرة تريليونات من الرموز - من يدري ما بداخله؟ قامت الأعمال الحديثة بتقييم تلك النماذج في العديد من المهام المختلفة ، لكن هل تأكدوا من أن النموذج لم يشهد بالفعل التدريب أو حتى مجموعات بيانات التقييم؟ في منشور المدونة ، نظهر أن بعض مجموعات البيانات القياسية الشهيرة يتم حفظها بالفعل من قبل ChatGPT وأنه يمكن للمرء أن يطالب بالدردشة لتجديدها.

في هذا الريبو ، نهدف إلى جمع (قدر الإمكان) أدلة التلوث لتوفير لمجتمع الأبحاث مورد موثوق به للتحقق بسرعة مما إذا كان النموذج قد شهد بالفعل مجموعة بيانات التقييم الخاصة بهم. ومع ذلك ، نحن على دراية بعدم اكتمال الفهرس ، وبالتالي نطلب من الباحثين على أي حال ، إجراء تجربة صغيرة من التلوث مسبقًا.

يمكنك زيارة فهرس تلوث أداة البحث LM

المساهمة

كمية مجموعات البيانات والنماذج شاقة. وبالتالي ، فإننا نتصور جهد مجتمعي. إذا كنت متحمسًا لأبحاث NLP وترغب في المساهمة ضد التلوث في تقييم LLM ، فيرجى اتباع إرشادات المساهمة

اقتباس

إذا كنت ترغب في الرجوع إلى هذا العمل ، فسنقدر إذا استشهدت بالمتابعة:

Oscar Sainz ، Jon Ander Campos ، Iker Garc ́ıa-Ferrero ، Julen etxaniz ، و Eneko Agirre. هل غش chatgpt في الاختبار الخاص بك؟

 @misc { sainz2023chatgpt ,
    title = { Did ChatGPT cheat on your test? } ,
    url = { https://hitz-zentroa.github.io/lm-contamination/blog/ } , 
    author = { Sainz, Oscar and Campos, Jon Ander and García-Ferrero, Iker and Etxaniz, Julen and Agirre, Eneko } , 
    year = { 2023 } , 
    month = { Jun }
} 

Oscar Sainz ، Jon Campos ، Iker García-Ferrero ، Julen etxaniz ، Oier Lopez de Lacalle ، و Eneko Agirre. 2023. تقييم NLP في مشكلة: بشأن الحاجة إلى قياس تلوث بيانات LLM لكل معيار. في نتائج جمعية اللغويات الحسابية: EMNLP 2023 ، الصفحات 10776-10787 ، سنغافورة. جمعية اللغويات الحسابية.

 @inproceedings { sainz-etal-2023-nlp ,
    title = " {NLP} Evaluation in trouble: On the Need to Measure {LLM} Data Contamination for each Benchmark " ,
    author = " Sainz, Oscar  and
      Campos, Jon  and
      Garc{'i}a-Ferrero, Iker  and
      Etxaniz, Julen  and
      de Lacalle, Oier Lopez  and
      Agirre, Eneko " ,
    editor = " Bouamor, Houda  and
      Pino, Juan  and
      Bali, Kalika " ,
    booktitle = " Findings of the Association for Computational Linguistics: EMNLP 2023 " ,
    month = dec,
    year = " 2023 " ,
    address = " Singapore " ,
    publisher = " Association for Computational Linguistics " ,
    url = " https://aclanthology.org/2023.findings-emnlp.722 " ,
    doi = " 10.18653/v1/2023.findings-emnlp.722 " ,
    pages = " 10776--10787 " ,
    abstract = "In this position paper we argue that the classical evaluation on Natural Language Processing (NLP) tasks using annotated benchmarks is in trouble. The worst kind of data contamination happens when a Large Language Model (LLM) is trained on the test split of a benchmark, and then evaluated in the same benchmark. The extent of the problem is unknown, as it is not straightforward to measure. Contamination causes an overestimation of the performance of a contaminated model in a target benchmark and associated task with respect to their non-contaminated counterparts. The consequences can be very harmful, with wrong scientific conclusions being published while other correct ones are discarded. This position paper defines different levels of data contamination and argues for a community effort, including the development of automatic and semi-automatic measures to detect when data from a benchmark was exposed to a model, and suggestions for flagging papers with conclusions that are compromised by data contamination.",
}