ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning

计算机科学 可解释性 一套 基线(sea) 一致性(知识库) 任务(项目管理) 集合(抽象数据类型) 人工智能 流利 机器学习 度量(数据仓库) 正确性 自然语言处理 数据挖掘 程序设计语言 经济 考古 哲学 管理 地质学 海洋学 历史 语言学
作者
Olga Golovneva,Moya Chen,Spencer Poff,Martin Corredor,Luke Zettlemoyer,Maryam Fazel-Zarandi,Aslı Çelikyılmaz
出处
期刊:Cornell University - arXiv 被引量:22
标识
DOI:10.48550/arxiv.2212.07919
摘要

Large language models show improved downstream task performance when prompted to generate step-by-step reasoning to justify their final answers. These reasoning steps greatly improve model interpretability and verification, but objectively studying their correctness (independent of the final answer) is difficult without reliable methods for automatic evaluation. We simply do not know how often the stated reasoning steps actually support the final end task predictions. In this work, we present ROSCOE, a suite of interpretable, unsupervised automatic scores that improve and extend previous text generation evaluation metrics. To evaluate ROSCOE against baseline metrics, we design a typology of reasoning errors and collect synthetic and human evaluation scores on commonly used reasoning datasets. In contrast with existing metrics, ROSCOE can measure semantic consistency, logicality, informativeness, fluency, and factuality - among other traits - by leveraging properties of step-by-step rationales. We empirically verify the strength of our metrics on five human annotated and six programmatically perturbed diagnostics datasets - covering a diverse set of tasks that require reasoning skills and show that ROSCOE can consistently outperform baseline metrics.

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
cc2713206完成签到,获得积分10
4秒前
会飞的鱼完成签到 ,获得积分10
16秒前
淡淡的向雁完成签到,获得积分10
21秒前
OAHCIL完成签到 ,获得积分10
23秒前
黄花完成签到 ,获得积分10
31秒前
clock完成签到 ,获得积分10
35秒前
芝诺的乌龟完成签到 ,获得积分0
37秒前
woshiwuziq完成签到 ,获得积分10
39秒前
香蕉子骞完成签到 ,获得积分10
41秒前
Lexi完成签到 ,获得积分10
41秒前
小美酱完成签到 ,获得积分10
53秒前
高速旋转老沁完成签到 ,获得积分10
53秒前
whitepiece完成签到,获得积分10
1分钟前
fff完成签到 ,获得积分10
1分钟前
Jonsnow完成签到 ,获得积分10
1分钟前
狮子座完成签到 ,获得积分10
1分钟前
高大的天道完成签到 ,获得积分10
1分钟前
经冰夏完成签到 ,获得积分10
1分钟前
Panini完成签到 ,获得积分10
1分钟前
大气建辉完成签到 ,获得积分10
1分钟前
1分钟前
blusky完成签到,获得积分10
1分钟前
彭彭完成签到 ,获得积分10
1分钟前
LOVER完成签到 ,获得积分10
1分钟前
博士搏斗完成签到 ,获得积分10
1分钟前
周全完成签到 ,获得积分10
1分钟前
bobochi完成签到 ,获得积分10
1分钟前
海阔天空完成签到,获得积分10
1分钟前
qausyh完成签到,获得积分10
2分钟前
2分钟前
露亮发布了新的文献求助10
2分钟前
含蓄的问寒完成签到,获得积分10
2分钟前
刘秀完成签到 ,获得积分10
2分钟前
hongt05完成签到 ,获得积分10
2分钟前
居无何完成签到 ,获得积分10
2分钟前
红领巾klj完成签到 ,获得积分10
2分钟前
木雨亦潇潇完成签到,获得积分10
2分钟前
BASS完成签到 ,获得积分10
2分钟前
陈大侠完成签到 ,获得积分10
2分钟前
CipherSage应助科研通管家采纳,获得10
2分钟前
高分求助中
Contemporary Issues in Evaluating Treatment Outcomes in Neurodevelopmental Disorders 1000
rhetoric, logic and argumentation: a guide to student writers 1000
QMS18Ed2 | process management. 2nd ed 1000
One Man Talking: Selected Essays of Shao Xunmei, 1929–1939 1000
A Chronicle of Small Beer: The Memoirs of Nan Green 1000
From Rural China to the Ivy League: Reminiscences of Transformations in Modern Chinese History 900
Eric Dunning and the Sociology of Sport 850
热门求助领域 (近24小时)
化学 医学 材料科学 生物 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 物理化学 催化作用 免疫学 细胞生物学 电极
热门帖子
关注 科研通微信公众号,转发送积分 2915913
求助须知:如何正确求助?哪些是违规求助? 2555930
关于积分的说明 6912680
捐赠科研通 2216463
什么是DOI,文献DOI怎么找? 1178122
版权声明 588381
科研通“疑难数据库(出版商)”最低求助积分说明 576594