德克萨斯A&M大学 发布 Sys2Bench 数据集, 应用在 自然语言处理、模型评估 领域

德克萨斯A&M大学 本次发布的数据集 Sys2Bench, Sys2Bench是一个全面评估大型语言模型在推理和规划能力上的基准，包含11个数据集，涵盖算术推理、逻辑推理、常识推理、算法推理和规划五大类别。这些数据集的任务包括解决算术问题、逻辑问题、利用常识进行推理、解决算法问题以及进行规划。Sys2Bench的构建旨在评估不同推理和规划任务中现有推理时间技术的效果，以推动大型语言模型在这方面的能力提升。

查看Sys2Bench

README 内容： 

关于 德克萨斯A&M大学 , -

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。