论文阅读：A Survey on Evaluation of Large Language Models-鲁棒性相关内容

CSPhD-winston-杨帆

已于 2024-07-27 17:06:53 修改

阅读量597

点赞数 5

分类专栏：论文阅读 LLMs-鲁棒性文章标签：语言模型人工智能自然语言处理

于 2024-07-25 15:35:05 首次发布

本文链接：https://blog.csdn.net/whiffeyf/article/details/140691551

版权

LLMs-鲁棒性同时被 2 个专栏收录

19 篇文章 1 订阅

订阅专栏

论文阅读

16 篇文章 0 订阅

订阅专栏

A Survey on Evaluation of Large Language Models

对抗鲁棒性是衡量大型语言模型（LLMs）在面对故意设计的、旨在误导或破坏模型性能的输入时的稳定性和安全性的关键指标。

对抗鲁棒性的定义与重要性：对抗鲁棒性关注的是LLMs在遭遇敌意提示或恶意输入时能否维持其性能和安全性。
对抗性文本攻击的评估：研究者们通过创建统一的基准测试，如PromptBench，对LLMs在不同层次上的对抗性文本攻击进行了评估，发现这些模型在面对精心设计的对抗性输入时存在脆弱性。
视觉-语言模型的鲁棒性：对于结合了视觉和语言信息的模型，研究者们评估了它们在视觉输入上的鲁棒性，并指出了视觉信息处理中的潜在风险。
OOD评估的全面概述：研究者们提供了对神经网络NLP模型的分布外（OOD）评估的全面概述，包括对抗性鲁棒性、领域泛化和数据集偏见等方面。
新的对抗性基准数据：为了更好地评估和理解LLMs的对抗鲁棒性，研究者们引入了新的基准数据集，如AdvGLUE++，这些数据集旨在通过新的评估协议来深入检查模型的伦理和安全性。
语义解析的鲁棒性研究：基于提示的语义解析任务的鲁棒性也得到了实证研究，揭示了在使用大型预训练语言模型时可能遇到的问题。
推荐系统的鲁棒性：在大型语言模型时代，推荐系统的鲁棒性问题也受到了关注，研究者们探讨了这一领域的挑战和机遇。
GLUE-X数据集：为了评估自然语言理解模型的OOD泛化能力，研究者们扩展了GLUE数据集，创建了GLUE-X，这是一个专门用于评估模型在面对分布外数据时的泛化能力的测试。

通过这些研究，我们了解到LLMs在对抗鲁棒性方面还有很大的提升空间，需要进一步的研究和技术创新来提高模型的稳定性和安全性。

下面是原出处：
在这里插入图片描述

3.2.1 Robustness鲁棒性：两方面考察(分布外泛化OOD+对抗鲁棒性)、评估ChatGPT(AdvGLUE+ANLI+DDXPlus+AdvGLUE++，PromptBench基准)、两方面脆弱(语言输入的对抗性提示+视觉输入)
评估系统面对意外输入的稳定性是鲁棒性研究的核心，主要从对抗鲁棒性和出分布泛化两方面考察大语言模型，发现当前模型对对抗性提示和视觉输入显著脆弱，提示模型在部署中面临安全隐患，需要继续提高模型的鲁棒性。

鲁棒性研究系统在面对意外输入时的稳定性。

具体来说，分布外(out- distribution, OOD) (Wang et al.， 2022)和对抗性鲁棒性是鲁棒性的两个热门研究课题。Wang等人(2023c)是一项早期工作，使用AdvGLUE (Wang等人，2021)、ANLI (Nie等人，2019)和DDXPlus (Fansi Tchango等人，2022)数据集等现有基准，从对抗性和OOD角度评估了ChatGPT和其他LLMs。卓等人(2023b)评估了语义解析的鲁棒性。Yang等人(2022)通过扩展GLUE (Wang等人，2018)数据集来评估OOD的鲁棒性。本研究的结果强调了当操纵视觉输入时对整个系统安全的潜在风险。

对于视觉语言模型，Zhao等人(2023b)对视觉输入上的LLMs进行了评估，并将其转移到其他视觉语言模型上，揭示了视觉输入的脆弱性。

Li等人(2023b)概述了语言模型的OOD评估:对抗性鲁棒性、领域泛化和数据集偏差。作者对三个研究线进行了比较和统一，总结了每个研究线的数据生成过程和评估方案，并强调了未来工作的挑战和机遇。

对于对抗鲁棒性，朱等人（2023）通过提出一个名为PromptBench的统一基准，评估了LLM对提示的鲁棒性。他们全面评估了多个级别（字符、单词、句子和语义）的对抗性文本攻击。结果表明，当面对对抗性输入时，现代LLM容易受到对抗性提示的攻击，强调了模型的鲁棒性的重要性。至于新的对抗性数据集，王等人（2023a）引入了AdvGLUE++基准数据集来评估对抗鲁棒性，并实施了一个新的评估协议，通过越狱系统提示来审查机器道德。