A systematic, reliable, and low-cost evaluation of Conversational Information Access (CIA) systems remains an open challenge. Existing reference-based evaluation methods are proven insufficient for evaluating the dynamic nature of information access conversations, while existing LLM-based reference-free methods suffer from evaluation bias and limited generalizability. This work proposes FACE: a Fine-grained, Aspect-based Conversation Evaluation method that provides evaluation scores for diverse turn and dialogue-level aspects of conversations. FACE leverages beam search and bandit optimization to select optimized LLM instructions per evaluation aspect. It assigns scores to atomic information units (particles) using the selected instructions and then aggregates them into a single score. We show that FACE achieves a strong correlation with human judgments, achieving system correlation of 0.9, outperforming state-of-the-art conversation evaluation methods by a large margin. We further demonstrate its optimized instructions are transferable across various LLMs and datasets. Additionally, unlike existing LLM-based methods that provide single uninterpretable scores, FACE provides insights into the system performance and enables identifying and locating problems within conversations.


翻译:对对话信息访问(CIA)系统进行系统性、可靠且低成本的评估仍是一项开放挑战。现有基于参考的评估方法被证明不足以评估信息访问对话的动态特性,而当前基于LLM的无参考方法则存在评估偏差和泛化能力有限的问题。本文提出FACE:一种细粒度、基于方面的对话评估方法,可为对话中多种轮次级和对话级方面提供评估分数。FACE利用束搜索(beam search)与置信域优化(bandit optimization)为每个评估方面选择优化的LLM指令。它使用选定指令对原子信息单元(particles)进行评分,并将这些分数聚合为单一分数。我们证明FACE与人类判断具有强相关性,在系统层面达到0.9的相关性,大幅超越现有最先进的对话评估方法。我们进一步证明其优化的指令可跨多种LLM和数据集迁移。此外,与仅提供单一不可解释分数的现有基于LLM的方法不同,FACE能提供对系统性能的洞见,并支持识别与定位对话中的问题。

0
下载
关闭预览

相关内容

专知会员服务
16+阅读 · 2021年5月13日
专知会员服务
80+阅读 · 2020年10月2日
人脸静默活体检测最新综述
PaperWeekly
14+阅读 · 2020年8月9日
美参议员提出商业面部识别隐私法案
蚂蚁金服评论
12+阅读 · 2019年4月25日
FaceNiff工具 - 适用于黑客的Android应用程序
黑白之道
151+阅读 · 2019年4月7日
人脸检测库:libfacedetection
Python程序员
15+阅读 · 2019年3月22日
深度学习人脸识别系统DFace
深度学习
17+阅读 · 2018年2月14日
【干货】通过OpenFace来理解人脸识别
专知
56+阅读 · 2018年1月23日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
VIP会员
最新内容
印度精确打击与指挥架构的断层
专知会员服务
4+阅读 · 7月20日
美空军AI完成F-16战斗机自主空战历史性试飞
专知会员服务
6+阅读 · 7月20日
深入Project Maven:为何人工智能在战场上依然失灵
锻造未来士兵:外骨骼、基因工程与赛博格
专知会员服务
7+阅读 · 7月19日
《无人机蜂群通信技术研究》50页
专知会员服务
10+阅读 · 7月19日
相关VIP内容
专知会员服务
16+阅读 · 2021年5月13日
专知会员服务
80+阅读 · 2020年10月2日
相关资讯
人脸静默活体检测最新综述
PaperWeekly
14+阅读 · 2020年8月9日
美参议员提出商业面部识别隐私法案
蚂蚁金服评论
12+阅读 · 2019年4月25日
FaceNiff工具 - 适用于黑客的Android应用程序
黑白之道
151+阅读 · 2019年4月7日
人脸检测库:libfacedetection
Python程序员
15+阅读 · 2019年3月22日
深度学习人脸识别系统DFace
深度学习
17+阅读 · 2018年2月14日
【干货】通过OpenFace来理解人脸识别
专知
56+阅读 · 2018年1月23日
相关基金
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员