大语言模型是否隐式地为用户确定了合适的文本难度？
计算与语言
2024-02-23 v1
摘要
适合个人学习水平的教育对于提高学生的理解力是必要的。利用大语言模型（LLMs）实现这一目的的第一步是调整回复给学生的文本难度。本工作分析了 LLMs 如何在用户输入与其生成的文本之间隐式地调整文本难度。为了进行实验，我们创建了一个来自 Stack-Overflow 的新数据集，以探索基于问答的对话性能。在 Stack-Overflow 数据集和 TSCC 数据集（包括多轮对话）上的实验结果表明，LLMs 能够隐式地处理用户输入与其生成回复之间的文本难度。我们还观察到，一些 LLMs 在处理文本难度方面可以超越人类，以及指令微调（instruction-tuning）的重要性。
引用
@article{arxiv.2402.14453,
title = {Do LLMs Implicitly Determine the Suitable Text Difficulty for Users?},
author = {Seiji Gobara and Hidetaka Kamigaito and Taro Watanabe},
journal= {arXiv preprint arXiv:2402.14453},
year = {2024}
}
备注
17pages