粤ICP备17114055号
微信扫码
添加专属顾问
支持私有化部署
我要投稿
评估大模型性能时，解析LaTeX公式的挑战不容忽视。 核心内容： 1. LaTeX公式解析在大模型评估中的重要性 2. 使用sympy库解析LaTeX公式的局限性及解决方案 3. 修复LM评估工具后，模型性能对比结果分析
这是 大模型评估排障指南 系列文章的第二篇，敬请关注系列文章:
解析 LaTeX 很难。这个问题在评估输出为 的模型时经常会遇到，例如 Hugging Face 的。
这个基准使用 来表示数学领域的计算和符号。评估难点在于对模型输出与标准答案的解析和比较。 结果表明，解析 没有标准方法。
摘自文档
lm-evaluation 框架使用(一个用于符号数学的 Python 库) 来对 LaTeX 进行解析和比较。 使用 sympy 解析真值 (用真值自身对比测试) 只能得到约 0.94 的准确率。 怎么会是这样呢？后来发现 sympy 无法解析某些 (标准的 ) 表达式。
例如:
couldn't parse one of [0,1) 或 [0,1)， I expected one of these: ']'
[0,1)
~~^
couldn't parse one of (-\iny,-5]\cup[5,\iny) or (-\iny,-5]\cup[5,\iny), I expected something else here
(-\iny,-5]\cup[5,\iny)
~~~~~~^
couldn't parse one of -\frac{1}{{}2x} or -\frac{1}{{}2x}, I don't understand this
-\frac{1}{{}2x}
~~~~~~~~~~~^
重写 并在代码中添加必须功能；或者往代码里添加人工检查来提高模型得分。 在几乎陷入问题陷阱之后，我们认为在代码中添加字符串比较检查差不多就能缓解这个问题了。
LM 评估工具修复
修复前后模型 Top 25 对比结果表格如下:
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-02-04
2025-02-04
2024-09-18
2024-07-11
2024-07-09
2024-07-11
2024-07-26
2025-02-05
2025-01-27
2025-02-01
回到顶部