首页
/ EasyEdit项目知识编辑评估结果差异问题分析

EasyEdit项目知识编辑评估结果差异问题分析

2025-07-03 22:10:44作者:段琳惟

背景概述

在大型语言模型知识编辑领域,EasyEdit项目提供了一个统一的框架来评估不同编辑方法的效果。近期有用户在使用该项目时发现,使用FT(Finetuning)方法在WikiRecent数据集上获得的评估结果与项目团队在调研论文中报告的结果存在显著差异。

问题现象

用户haoyuwangwhy在使用默认超参数配置运行FT方法时,发现评估结果中的rewrite_acc指标远高于论文报告值。具体表现为:

  1. 使用benchmark_wiki_recent_recent_train.json训练后,FT_results.json中的post rewrite_acc平均值异常高
  2. 直接测试benchmark_wiki_recent_recent_test.json时,获得rewrite_acc=1.0、locality=0.75、portability=0.51的结果
  3. 使用ROME方法测试时也出现rewrite_acc=0.97的高值

原因分析

经过项目团队与用户的多次交流测试,最终确定造成评估结果差异的主要原因包括:

  1. 代码版本差异:用户使用的代码版本与论文实验时的版本不同,评估逻辑可能存在变化
  2. 优化目标设置:论文实验时使用的是"prompt_last"作为优化目标,而最新代码默认可能使用其他优化方式
  3. 模型版本差异:用户测试使用的是llama-2-7b-hf基础模型,而论文实验使用的是llama-2-7b-chat对话模型
  4. 评估数据集:部分实验混淆了训练集和测试集的使用

解决方案

项目团队确认了正确的评估方法:

  1. 应直接使用测试集benchmark_wiki_recent_recent_test.json进行评估
  2. 对于FT方法,需要设置"objective_optimization"参数为"prompt_last"以获得与论文一致的结果
  3. 建议使用llama-2-7b-chat模型进行测试

技术建议

对于希望复现论文结果的用户,建议:

  1. 更新至项目最新代码版本
  2. 明确区分训练集和测试集的用途
  3. 检查并正确设置所有相关超参数,特别是优化目标参数
  4. 使用与论文一致的模型版本
  5. 注意评估时间,正常情况每个样本评估约需20秒

总结

知识编辑评估结果的准确性依赖于多个因素的严格控制。EasyEdit项目团队通过这次问题排查,明确了影响评估结果的关键因素,为后续用户提供了更清晰的使用指南。这也反映出在大型语言模型研究领域,实验复现需要特别注意版本控制和参数设置的一致性。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
260
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
854
505
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
21
5