天津大学 发布 TGEA 数据集, 应用在 自然语言处理、文本错误检测 领域

天津大学 本次发布的数据集 TGEA, TGEA数据集是由天津大学和华为诺亚方舟实验室共同构建的，首个基于机器生成的文本的错误注释数据集，包含多个基准任务，用于评估预训练语言模型在文本生成方面的能力。该数据集从中文GPT-2模型生成的文本中收集原始数据，通过人工标注，检测出错误句子，并进一步进行错误类型、相关文本跨度、错误纠正以及错误原因的标注。数据集涵盖24种错误类型的双层错误分类体系，旨在促进对预训练语言模型生成的文本进行自动错误检测和纠正的研究。

查看TGEA

关于 天津大学 , 天津大学是中华人民共和国教育部直属的全国重点大学，位于天津市，是中国著名的工程类高等学府之一，拥有多个学科领域的研究实力。

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。