普林斯顿大学 发布 LLM4Mat-Bench 数据集, 应用在 材料科学、大型语言模型 领域

普林斯顿大学 本次发布的数据集 LLM4Mat-Bench, LLM4Mat-Bench是由普林斯顿大学和多伦多大学等机构创建的用于评估大型语言模型在材料属性预测中的性能的数据集。该数据集包含约197万条晶体结构数据，来自10个公开的材料数据源，涵盖45种不同的材料属性。数据集通过多种输入模态（如晶体组成、CIF文件和晶体文本描述）进行描述，总共有4.7M、615.5M和3.1B个tokens。数据集的创建过程包括从多个公开数据库中收集CIF文件和材料属性，并使用Robocrystallographer生成晶体结构的文本描述。LLM4Mat-Bench旨在解决材料科学中的属性预测和材料发现问题，通过提供多样化的材料表示和大规模的训练数据，推动任务特定预测模型和指令微调LLMs的发展。

查看LLM4Mat-Bench

README 内容： 

关于 普林斯顿大学 , 普林斯顿大学是一所位于美国新泽西州的顶级私立研究型大学，以卓越的教学和科研实力闻名于世。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。