浙江大学 发布 ABench-Physics 数据集, 应用在 物理推理、自然语言处理 领域

浙江大学 本次发布的数据集 ABench-Physics, ABench-Physics是一个旨在严格评估大型语言模型（LLM）物理推理和泛化能力的新型基准数据集。它由两部分组成：Phy A，一个包含400个静态的高难度研究生或奥林匹克级别的问题；Phy B，一个包含100个动态问题的子集，配备了一个自动变化引擎，以测试模型在不同条件下的鲁棒性。所有问题都需要精确的数值答案，具有严格的格式和公差限制。ABench-Physics提供了挑战性和诊断性的框架，用于推进LLM中的科学推理。

查看ABench-Physics

关于 浙江大学 , 浙江大学是中国的一所综合性、研究型大学，位于浙江省杭州市，是中国顶尖的高等学府之一，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。