北京大学 发布 BioProBench 数据集, 应用在 生物信息学、自然语言处理 领域

北京大学 本次发布的数据集 BioProBench, BioProBench是一个针对生物实验协议理解和推理的大型综合性数据集，包含了从27,000个原始协议中提取的近556,000个高质量结构化实例。数据集涵盖了五个核心任务：协议问答、步骤排序、错误纠正、协议生成和协议推理，旨在对语言模型在生物文本处理方面的能力进行全面的评估。数据集来源于6个权威在线资源，覆盖了16个生物学子领域，具有广泛的领域覆盖性和代表性。数据集的构建经历了数据收集、处理、任务实例生成和多层质量控制等多个阶段，确保了数据的准确性和可靠性。

查看BioProBench

Dataset card 内容： 

Files and versions 内容： 

关于 北京大学 , 北京大学是中国著名的高等教育机构，主要负责培养高等学历人才，致力于促进科技文化的发展。学校提供多层次的学历教育，包括医学、教育学、哲学、经济学、法学、文学、历史学、理学、工学、管理学等各类学科的专科、本科、硕士和博士研究生学历教育，同时还进行博士后培养。在数据资源方面，北京大学拥有丰富多样的数据集，这些数据集涵盖了各个学科的广泛领域，虽然具体数据集特点各异，但都体现了北大学术研究的深度和广度。通过这些数据集，可以一窥北大在科研和教育方面的实力与成果。

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。