Метрики для языковых задач: ROUGE, METEOR, EM

Введение в LLM на Python

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Задачи и метрики LLM

 

Метрики оценки для языковых задач

Введение в LLM на Python

Задачи и метрики LLM

 

Метрики оценки для языковых задач

Введение в LLM на Python

Задачи и метрики LLM

 

Метрики оценки для языковых задач

Введение в LLM на Python

ROUGE

  • ROUGE: сходство между сгенерированным и эталонными резюме
    • Учитывает n-граммы и совпадения
    • predictions: выходные данные LLM
    • references: резюме, составленные людьми

Сравнение фраз «the cat sat on the mat» и «the cat is on the mat»

Введение в LLM на Python

ROUGE

rouge = evaluate.load("rouge")
predictions = ["""as we learn more about the frequency and size distribution of 
exoplanets, we are discovering that terrestrial planets are exceedingly common."""]
references = ["""The more we learn about the frequency and size distribution of 
exoplanets, the more confident we are that they are exceedingly common."""]

Значения ROUGE:

  • rouge1: совпадение юниграмм
  • rouge2: совпадение биграмм
  • rougeL: длинные совпадающие подпоследовательности
Введение в LLM на Python

Результаты ROUGE

Значения ROUGE:

  • rouge1: совпадение юниграмм
  • rouge2: совпадение биграмм
  • rougeL: длинные совпадающие подпоследовательности

 

  • Оценка от 0 до 1: чем выше, тем больше сходство
results = rouge.compute(predictions=predictions,
                         references=references)

print(results)

{'rouge1': 0.7441860465116279, 
'rouge2': 0.4878048780487805, 
'rougeL': 0.6976744186046512, 
'rougeLsum': 0.6976744186046512}
Введение в LLM на Python

METEOR

  • METEOR: учитывает лингвистические особенности: словоформы, синонимы и порядок слов
bleu = evaluate.load("bleu")
meteor = evaluate.load("meteor")


prediction = ["He thought it right and necessary to become a knight-errant, roaming 
              the world in armor, seeking adventures and practicing the deeds he 
              had read about in chivalric tales."]

reference = ["He believed it was proper and essential to transform into a 
             knight-errant, traveling the world in armor, pursuing adventures, and 
             enacting the heroic deeds he had encountered in tales of chivalry."]
Введение в LLM на Python

METEOR

results_bleu = bleu.compute(predictions=pred, references=ref)
results_meteor = meteor.compute(predictions=pred, references=ref)
print("Bleu: ", results_bleu['bleu'])
print("Meteor: ", results_meteor['meteor'])

Bleu:  0.19088841781992524
Meteor:  0.5350702240481536
  • Оценка 0-1: чем выше, тем лучше
Введение в LLM на Python

Вопросы и ответы

 

Метрики оценки для языковых задач

Введение в LLM на Python

Точное совпадение (EM)

  • Точное совпадение (EM): 1, если вывод LLM точно совпадает с эталонным ответом

 

  • Обычно используется вместе с F1-мерой
from evaluate import load
em_metric = load("exact_match")

exact_match = evaluate.load("exact_match")
predictions = ["The cat sat on the mat.",
               "Theaters are great.", 
               "Like comparing oranges and apples."]
references = ["The cat sat on the mat?", 
              "Theaters are great.", 
              "Like comparing apples and oranges."]

results = exact_match.compute(
  references=references, predictions=predictions)
print(results)

{'exact_match': 0.3333333333333333}
Введение в LLM на Python

Давайте потренируемся!

Введение в LLM на Python

Preparing Video For Download...