TU Darmstadt 发布 NEOQA 数据集, 应用在 自然语言处理、机器学习评估 领域

TU Darmstadt 本次发布的数据集 NEOQA, NEOQA是一个基于虚构时间线的问答数据集，旨在评估大型语言模型（LLM）的证据推理能力。该数据集包含虚构事件的时间线和知识库，以及与事件相关的新闻文章和问答对。NEOQA的设计确保了LLM无法利用其预训练知识来回答问题，从而要求模型只能根据检索到的证据来生成答案。数据集包含多种问题类型和证据配置，用于评估LLM在不同证据场景下的推理能力。

查看NEOQA

README 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。