普林斯顿语言与智能研究所 发布 LONGPROC 数据集, 应用在 长上下文推理、程序生成 领域

普林斯顿语言与智能研究所 本次发布的数据集 LONGPROC, LONGPROC是由普林斯顿语言与智能研究所和德克萨斯大学奥斯汀分校联合创建的一个基准数据集，旨在评估长上下文语言模型在长程序生成任务中的表现。该数据集包含六个不同的任务，涵盖了从HTML页面提取结构化信息到生成复杂旅行计划等多种任务。每个任务都要求模型遵循详细的程序指令，生成结构化、长形式的输出（最多8K个Token）。数据集的任务设计基于确定性程序，生成的结构化输出使得基于规则的评估成为可能。LONGPROC的应用领域主要集中在长上下文推理、多步推理和复杂搜索程序等实际应用场景，如网页代理和现实世界规划任务。通过该数据集，研究团队揭示了当前长上下文语言模型在长程序生成任务中的关键局限性，并为未来的研究提供了改进方向。

查看LONGPROC

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。