評価と指標

有害性 (Toxicité)

モデルが攻撃的、憎悪に満ちた、差別的、または有害なコンテンツを生成する確率を評価する指標です。通常、有害性についてアノテーションされたテキストコーパスで訓練された専門の分類器によって測定されます。

← 戻る