大型語言模型作為評論者的評估

本文提出了一個全面和可靠的基準CRITICEVAL,用於評估大型語言模型的批評能力。通過對多個任務和批評維度的評估,發現了一些有趣的現象,如批評難度與任務類型、回應質量和批評維度之間的關係。