ChatGPT Outperforms Crowd-Workers for Text-Annotation Tasks

要約

多くの NLP アプリケーションでは、さまざまなタスク、特に分類器のトレーニングや教師なしモデルのパフォーマンスの評価のために手動のデータ アノテーションが必要です。
規模と複雑さの程度に応じて、MTurk などのプラットフォーム上のクラウド ワーカーや、研究アシスタントなどの訓練を受けたアノテーターによってタスクが実行される場合があります。
2,382 件のツイートのサンプルを使用して、ChatGPT が関連性、スタンス、トピック、フレーム検出などのいくつかの注釈タスクでクラウド ワーカーよりも優れていることを示します。
具体的には、ChatGPT のゼロショット精度は、5 つのタスクのうち 4 つについてクラウド ワーカーの精度を上回り、ChatGPT のインターコーダ合意は、すべてのタスクについてクラウド ワーカーと訓練を受けたアノテーターの両方の精度を上回っています。
さらに、ChatGPT の注釈ごとのコストは 0.003 ドル未満で、MTurk の約 20 分の 1 です。
これらの結果は、大規模な言語モデルがテキスト分類の効率を大幅に向上させる可能性を示しています。

要約(オリジナル)

Many NLP applications require manual data annotations for a variety of tasks, notably to train classifiers or evaluate the performance of unsupervised models. Depending on the size and degree of complexity, the tasks may be conducted by crowd-workers on platforms such as MTurk as well as trained annotators, such as research assistants. Using a sample of 2,382 tweets, we demonstrate that ChatGPT outperforms crowd-workers for several annotation tasks, including relevance, stance, topics, and frames detection. Specifically, the zero-shot accuracy of ChatGPT exceeds that of crowd-workers for four out of five tasks, while ChatGPT’s intercoder agreement exceeds that of both crowd-workers and trained annotators for all tasks. Moreover, the per-annotation cost of ChatGPT is less than $0.003 — about twenty times cheaper than MTurk. These results show the potential of large language models to drastically increase the efficiency of text classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google