东北大学 发布 MIB (Mechanistic Interpretability Benchmark) 数据集, 应用在 机械解释性、因果推断 领域

东北大学 本次发布的数据集 MIB (Mechanistic Interpretability Benchmark), MIB 数据集是由多个研究机构合作创建的机械解释性基准，旨在为评估机械解释性方法提供一套标准化的模型、数据集和评价指标。数据集包含了两个赛道，电路定位和因果变量定位，每个赛道下有多个任务。数据集的设计考虑了不同难度级别和不同类型的推理任务，通过固定 counterfactual 输入用于干预，来评估模型在不同任务上的表现。该数据集为公开，可通过 HuggingFace 访问。

查看MIB (Mechanistic Interpretability Benchmark)

Dataset card 内容： 

Files and versions 内容： 

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。