جدول رده‌بندی بر اساس سناریوهای شرکتی
هیوگینگ فیند با همکاری تیم پاترسونس، نسخه‌ای نوین از لیست رده‌بندی ارائه کرده که به‌طور خاص برای سناریوهای دنیای واقعی شرکت‌ها طراحی شده است. این رده‌بندی به مدل‌های زبانی امکان می‌دهد تا در زمینه‌های کاربردی مثل درک متن مالی، نگارش قانونی، تسهیل گفتگوی خدمات مشتری و شناسایی اطلاعات حساس تست شوند.
چرا این رده‌بندی لازم است؟
استانداردهای پیشین، معمولاً آزمون‌های دانشگاهی و آزمایش‌های کلی دارند. در مقابل، این مدلسازی به‌دنبال روشن کردن عملکرد واقعی در محیط‌های تجاری واقعی است، جایی که محدودیت‌های امنیت، امانت‌داری و کاربرد واقعی بسیار شدیدتر می‌باشند.
نتایج در دسترس عمومی
هر مدل می‌تواند با ارسال نتایج به سمت فضای «تایید»، در لیست رده‌بندی حضور یابد. نتایج اصلی بر اساس معیارهای دقت، جذابیت، توکسیسیته و شناسایی اطلاعات حساس (PII) سنجیده می‌شود. همچنین پنجره‌ای برای مشاهده نتایج اعتبارسنجی در وب‌سایت رده‌بندی فراهم است.
- FinanceBench: پاسخ به سؤال‌های مالی.
- Legal Confidentiality: رعایت حریم خصوصی در زمینه قانون.
- Creative Writing: تولید متن خلاق.
- Customer Support Dialogue: مکالمه با مشتریان.
- Toxicity: کنترل توکسیسیته در مطالب.
- Enterprise PII: شناسایی و حفاظت اطلاعات حساس سازمانی.
پرسش‌های پرتکرار
چگونه می‌توانم نتیجه‌ام را در لیست رده‌بندی ثبت کنم؟
در بخش مربوط به "ثبت‌نام در رده‌بندی"، فایل نتایج خود را بارگذاری کنید و پس از تأییددهی، مدل شما در سرخحه ظاهر می‌شود.
مقادیر معتبر موفقیت چه میزان هستند؟
مقدار موفقیت بر اساس ترکیبی از دقت، جذابیت، توکسیسیته و حساسیت تعیین می‌شود؛ هر معیار دارای وزن مناسب و مقیاس ثابتی است.
