Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

am-ELO: A Stable Framework for Arena-based LLM Evaluation

Created by
  • Haebom

저자

Zirui Liu, Jiatong Li, Yan Zhuang, Qi Liu, Shuanghong Shen, Jie Ouyang, Mingyue Cheng, Shijin Wang

개요

본 논문은 대규모 언어 모델(LLM) 평가를 위한 안정적인 아레나 기반 프레임워크를 제시합니다. 기존 ELO 등급 시스템 기반 프레임워크의 불안정성 문제(순위 불일치 및 평가자 능력 차이 고려 부족)를 해결하기 위해, 최대우도추정(MLE) 방식을 활용한 m-ELO를 제안합니다. m-ELO는 이론적으로 순위의 일관성과 안정성을 보장하며, 평가자 능력을 고려한 확률 함수를 사용하는 am-ELO를 통해 모델 점수와 평가자 신뢰도를 동시에 추정합니다. 실험 결과, 제안된 프레임워크가 더욱 강력하고 정확하며 안정적인 LLM 평가 방법임을 보여줍니다.

시사점, 한계점

•
시사점:
◦
기존 ELO 시스템의 불안정성 문제를 해결하는 새로운 아레나 기반 평가 프레임워크 제시
◦
MLE 기반 m-ELO를 통해 모델 순위의 일관성과 안정성 확보
◦
평가자 능력을 고려한 am-ELO를 통해 더욱 정확한 모델 평가 가능
◦
LLM 평가의 신뢰성 향상에 기여
•
한계점:
◦
제안된 프레임워크의 실제 적용에 필요한 계산 비용 및 시간에 대한 분석 부족
◦
다양한 유형의 LLM 및 평가 과제에 대한 일반화 가능성에 대한 추가 연구 필요
◦
am-ELO에서 평가자 능력 추정의 정확도에 대한 추가적인 검증 필요
👍
Made with Slashpage