BlenderBotSmall 的流利度

你好。我有一个关于 BlenderBot Small 90M 的问题。 我已经为 blenderbot small 应用了安全框架，以强制安全生成。 现在我需要测量我生成的安全答案的"流畅性"。在这种情况下，常见的做法是将我的生成结果作为标签传递给一个更大的模型，并计算 Perplexity。我尝试了同样的事情在 LLAMA2 上。然而，计算的困惑度非常高，在 400k 的范围内。我推测原因是两个模型大小之间的巨大差距（blenderbot small 与 LLAMA2）。你认为我如何能够基于 blenderbot small 测量我生成答案的流畅性？