Xfinder Llama38it

🚀 xFinder-llama38it

xFinder-llama38it是專門為大語言模型（LLMs）中的關鍵答案提取而設計的模型。它通過對Llama3-8B-Instruct進行微調訓練而來，能夠有效提升大語言模型評估的準確性和可靠性。

✨ 主要特性

• 精準提取：能夠準確地從大語言模型的輸出中提取關鍵答案，彌補了傳統基於正則表達式（RegEx）提取方法的不足。
• 提升評估：有效解決了傳統方法難以處理大語言模型多樣化、複雜輸出的問題，提高了模型在各類任務評估中的可靠性。

📦 安裝指南

原文檔未提供安裝步驟，此章節跳過。

💻 使用示例

原文檔未提供代碼示例，此章節跳過。

📚 詳細文檔

模型詳情

xFinder-llama38it是專門為大語言模型（LLMs）中的關鍵答案提取而設計的模型。它通過對Llama3-8B-Instruct進行微調訓練而來。

• 開發者：IAAR
• 微調基礎模型：Llama3-8B-Instruct

模型來源

• 倉庫地址：https://github.com/IAAR-Shanghai/xFinder
• 論文地址：https://openreview.net/forum?id=7UqQJUKaLM

用途

xFinder主要用於通過準確提取大語言模型輸出中的關鍵答案來提升對大語言模型的評估。它解決了傳統基於正則表達式（RegEx）提取方法的侷限性，這些傳統方法往往難以處理大語言模型生成的多樣化、複雜輸出。xFinder提高了模型在各類任務評估中的可靠性。

訓練詳情

xFinder-llama38it是基於Llama3-8B-Instruct進行微調的。訓練數據包含來自關鍵答案查找器（KAF）數據集的約26.9K個樣本。該數據集旨在提高關鍵答案提取的準確性和魯棒性，涵蓋了各種任務。它經過GPT - 4和人類專家的精心標註，以確保高質量的訓練和評估。更多詳情請參考此論文，並可使用代碼進行嘗試。

評估

xFinder在KAF數據集的完全人工標註測試集和泛化集上進行了評估。結果表明，與傳統方法相比，它在提取準確性和魯棒性方面有顯著提升。更多詳情請參考論文，並使用提供的代碼進行嘗試。

🔧 技術細節

原文檔未提供足夠的技術實現細節（少於50字），此章節跳過。

📄 許可證

本模型使用的許可證為cc - by - nc - nd - 4.0。

📚 引用

@inproceedings{
    xFinder,
    title={xFinder: Large Language Models as Automated Evaluators for Reliable Evaluation},
    author={Qingchen Yu and Zifan Zheng and Shichao Song and Zhiyu li and Feiyu Xiong and Bo Tang and Ding Chen},
    booktitle={The Thirteenth International Conference on Learning Representations},
    year={2025},
    url={https://openreview.net/forum?id=7UqQJUKaLM}
}