Xfinder Qwen1505

🚀 xFinder-qwen1505

xFinder-qwen1505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Qwen-1.5-0.5B進行微調訓練得到，能有效提升大語言模型評估的準確性。

✨ 主要特性

xFinder-qwen1505專為大語言模型的關鍵答案提取而設計，通過微調Qwen-1.5-0.5B模型得到。它能夠準確地從大語言模型的輸出中提取關鍵答案，解決了傳統基於正則表達式（RegEx）提取方法的侷限性，提高了跨各種任務的模型評估的可靠性。

📦 安裝指南

文檔中未提及安裝步驟，故跳過此章節。

💻 使用示例

文檔中未提供代碼示例，故跳過此章節。

📚 詳細文檔

模型詳情

xFinder-qwen1505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Qwen-1.5-0.5B進行微調訓練得到。

• 開發者：IAAR
• 微調基礎模型：Qwen-1.5-0.5B

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增強對大語言模型的評估。它解決了傳統基於正則表達式（RegEx）的提取方法的侷限性，這些方法通常無法處理大語言模型生成的多樣化和複雜的輸出。xFinder提高了跨各種任務的模型評估的可靠性。

訓練詳情

xFinder-qwen1505是基於Qwen-1.5-0.5B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，並且包含各種任務。它已經由GPT - 4和人類專家進行了精心註釋，以確保高質量的訓練和評估。更多詳細信息，請參閱此論文，並使用代碼進行嘗試。

評估

xFinder在KAF數據集的完全人工註釋的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高。更多詳細信息，請參考論文並使用提供的代碼進行嘗試。

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}
}

📄 許可證

本模型採用CC - BY - NC - ND - 4.0許可證。