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
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
73
63
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
344
1.3 K
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
922
551
PaddleOCRPaddleOCR
飞桨多语言OCR工具包(实用超轻量OCR系统,支持80+种语言识别,提供数据标注与合成工具,支持服务器、移动端、嵌入式及IoT设备端的训练与部署) Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)
Python
47
1
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
59
16