Xiangru Tang

この記事では、言語モデルを評価する際の課題やベストプラクティスについて話してるよ。

データの汚染は、大規模言語モデルの評価にかなり影響を与えるんだ。

この記事では、テクノロジーを使って化学反応の予測を改善する新しいアプローチについて話してるよ。

新しいベンチマークが、複雑な文書の中で財務請求を検証するモデルを評価する。

ChemSafetyBenchは化学の安全性と知識についてチャットボットをテストしてるよ。