OpenAI于近日推出了一項(xiàng)名為SimpleQA的新基準(zhǔn)，旨在評(píng)估語言模型在回答簡(jiǎn)短事實(shí)尋求問題時(shí)的準(zhǔn)確性。這一舉措是AI領(lǐng)域追求更高事實(shí)正確性的重要一步。
據(jù)悉，SimpleQA通過一系列嚴(yán)格的標(biāo)準(zhǔn)來確保評(píng)估的公正性和有效性。其中包括高正確性，即參考答案需經(jīng)兩名獨(dú)立AI訓(xùn)練師驗(yàn)證；多樣性，涵蓋從科學(xué)技術(shù)到娛樂等多個(gè)主題；以及前沿挑戰(zhàn)性，相比早期的基準(zhǔn)，SimpleQA更能測(cè)試出前沿模型的實(shí)力。
SimpleQA還注重高效用戶體驗(yàn)，問題與答案設(shè)計(jì)得簡(jiǎn)潔明了，便于快速操作和評(píng)分。通過OpenAI API等工具，用戶可以輕松地進(jìn)行模型評(píng)估。
OpenAI表示，盡管SimpleQA在短查詢的受限設(shè)置中測(cè)量事實(shí)準(zhǔn)確性，但其希望這一基準(zhǔn)的開源能夠推動(dòng)AI研究在更廣泛領(lǐng)域的應(yīng)用和發(fā)展。同時(shí)，SimpleQA也揭示了當(dāng)前語言模型在生成事實(shí)正確回答方面仍面臨的挑戰(zhàn)，即如何減少錯(cuò)誤輸出和未經(jīng)證實(shí)的答案，這一問題也被稱為“幻覺”。
通過SimpleQA的推出，OpenAI期望能夠進(jìn)一步促進(jìn)語言模型的優(yōu)化和完善，使其在更多場(chǎng)景中發(fā)揮出更大的價(jià)值。
