中国科学院自动化研究所 发布 TROVE 数据集, 应用在 文本溯源、自然语言处理 领域

中国科学院自动化研究所 本次发布的数据集 TROVE, TROVE数据集是由中国科学院自动化研究所等多个机构创建的，旨在追踪目标文本中每个句子回溯到特定源句子，并标注细粒度的关系类型（如引用、压缩、推理等）。该数据集基于三个公开数据集（LongBench、LooGLE和CRUD-RAG）构建，涵盖了11种不同的应用场景，支持多文档和长文档的追踪。数据集的构建经历了句子检索、GPT-4自动标注和人工审核三个阶段，以确保高质量、细粒度的起源数据。

查看TROVE

关于 中国科学院自动化研究所 , 中国科学院自动化研究所是中国科学院下属的研究机构，专注于自动化、人工智能、模式识别等领域的研究。其在人工智能和自动化技术方面取得了多项重要成果，为国家的科技发展做出了重要贡献。

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。