Mitigating the Bias of Large Language Model Evaluation

计算机科学 计量经济学 自然语言处理 经济
作者
Hongli Zhou,Hui Huang,Yunfei Long,Bing Xu,Conghui Zhu,Hailong Cao,Muyun Yang,Tiejun Zhao
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2409.16788
摘要

Recently, there has been a trend of evaluating the Large Language Model (LLM) quality in the flavor of LLM-as-a-Judge, namely leveraging another LLM to evaluate the current output quality. However, existing judges are proven to be biased, namely they would favor answers which present better superficial quality (such as verbosity, fluency) while ignoring the instruction following ability. In this work, we propose systematic research about the bias of LLM-as-a-Judge. Specifically, for closed-source judge models, we apply calibration to mitigate the significance of superficial quality, both on probability level and prompt level. For open-source judge models, we propose to mitigate the bias by contrastive training, with curated negative samples that deviate from instruction but present better superficial quality. We apply our methods on the bias evaluation benchmark, and experiment results show our methods mitigate the bias by a large margin while maintaining a satisfactory evaluation accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SCI完成签到 ,获得积分10
1秒前
2秒前
zlzhang应助加减乘除采纳,获得10
3秒前
3秒前
标致幻然完成签到,获得积分10
3秒前
雨雪霏霏发布了新的文献求助40
3秒前
3秒前
子车茗应助光亮笑柳采纳,获得20
3秒前
nene发布了新的文献求助10
4秒前
buno应助善良的冰颜采纳,获得10
4秒前
pufanlg完成签到,获得积分10
4秒前
刘田完成签到,获得积分10
5秒前
CodeCraft应助TT采纳,获得10
5秒前
在水一方应助香瓜采纳,获得10
5秒前
高贵的裘完成签到,获得积分10
6秒前
行者完成签到,获得积分10
6秒前
6秒前
HJS完成签到,获得积分20
7秒前
sunny发布了新的文献求助10
7秒前
fh完成签到,获得积分10
7秒前
8秒前
皮蛋努力科研完成签到 ,获得积分10
8秒前
8秒前
陈醒醒应助欣慰歌曲采纳,获得10
8秒前
lili发布了新的文献求助10
8秒前
9秒前
wgl发布了新的文献求助20
9秒前
掌心化雪完成签到,获得积分10
9秒前
10秒前
热心乌完成签到,获得积分0
10秒前
科研通AI2S应助多大采纳,获得10
10秒前
李健应助li采纳,获得10
10秒前
大模型应助lin采纳,获得10
11秒前
所所应助Lanyx采纳,获得10
11秒前
寻道图强应助小于爱吃鱼采纳,获得30
12秒前
寻道图强应助时尚白易采纳,获得30
12秒前
hello完成签到 ,获得积分10
12秒前
13秒前
初亦非完成签到,获得积分10
13秒前
赘婿应助小眼睛采纳,获得10
13秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
the development of the right of privacy in new york 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3180194
求助须知:如何正确求助?哪些是违规求助? 2830601
关于积分的说明 7978929
捐赠科研通 2492151
什么是DOI,文献DOI怎么找? 1329250
科研通“疑难数据库(出版商)”最低求助积分说明 635708
版权声明 602954