2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

MATEval: 基于多Agent交互的文本评估框架

发布日期:2024-09-26 20:38:30 浏览次数: 2501
作者:AI 搜索引擎

微信搜一搜,关注“AI 搜索引擎”

论文地址:https://arxiv.org/pdf/2403.19305
代码链接:https://anonymous.4open.science/r/MATEval-EA92

1 摘要

本文提出了一个名为 MATEval 的框架,这是一个基于多 Agent 交互的文本评估框架,其中每个代理都由类似 GPT-4 的 LLM 驱动。MATEval 框架借鉴了人类协作讨论的方式,通过多个代理相互配合来评估非结构化文本。该框架融合了自我反思、思维链(Chain of Thought, CoT)策略以及反馈循环等技术,以增强评估的深度和广度,并引导讨论达成共识。此外,它还能生成详尽的评估报告(涵盖错误定位、错误分类和评分等内容)。
实验结果表明,MATEval 在评估非结构化文本方面优于现有方法,并且与人工评估的一致性最高,这证明了其在减少 LLM 文本评估中的不确定性和不稳定性方面的有效性。不仅如此,MATEval 在工业环境中显著提升了文本评估和模型迭代的效率。

2 核心内容

2.1 MATEval: 多Agent文本评估框架

该系统接收含有缺陷的文本作为输入,通过多个智能体进行自我审视和CoT(Chain of Thought)策略的深入讨论,最终生成一份详尽的评估报告。

2.2 MATEval: 组成部分

MATEval 框架主要由具有不同角色的代理和讨论策略组成。其中代理角色包括 Evaluator Agent、Feedback Agent 和 Summarizer Agent,他们协作完成文本评估任务。Evaluator Agent 是评估任务中的主要实体;Feedback Agent 在提高讨论质量、促进共识方面起着至关重要的作用;Summarizer Agent 在整合讨论信息、总结和形成评估报告中是必不可少的。

(1)Evaluator Agent

作为框架内的核心评估单元,它负责执行连续的文本评审工作。该评估实体利用预先设定的提示来引导对话,同时收集并分析其他实体提供的信息,进而参照这些数据来维护对话的历史记录。

(2)Feedback Agent

智能体在每次讨论结束后,会分析讨论的内容和质量,专注于发现效率低下的对话和存在的分歧,并提出优化建议,旨在提升未来讨论的效率和达成共识的可能性。

(3)Summarizer Agent

在讨论环节全部结束后,智能体将承担起梳理整个讨论流程及其成果的责任,编制一份详尽的评估报告。报告中将涵盖错误分类、错误所在位置、相关解释以及得分情况。

(4)Self-reflection

在每次讨论环节中,智能体将进行自我审视,吸纳同伴的观点以深化对议题的认识,并据此优化自己的表述。

(5)CoT

通过提供线索来指导智能体独立地拆解问题,并且在每次对话中集中精力解决一个具体问题,以此实现对文本内容的深入探讨。

(6)Feedback Mechanism

在每次讨论的尾声,反馈系统会通过建议来帮助智能体进行总结和评估,以优化未来的讨论,避免内容的重复,以此来提升讨论的效率,并协助参与者形成统一共识。

(7)Output

MATEval 框架配备了两种评估报告形式:一种是问答式的,便于评估相似度和关联性得分;另一种是文本形式的报告,便于业务团队迅速把握内容并优化模型。

3 总结

总的来说,本文的主要贡献包括:
  1. 提出了MATEval框架,它能够提供详尽的诊断报告,提高了 LLM 生成文本评分的准确性和可靠性。该框架不仅加速了工业环境中的模型迭代,还提升了审查效率。

  2. 在多智能体框架中创新性地整合了自我反思和CoT方法,并在讨论结束后引入了反馈机制,以解决分歧并促进共识。

  3. 在两个英文和两个中文文本数据集上进行了全面实验。实验结果证明了该框架的有效性并且评估结果与人类评估的结果高度一致。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅