University of Tehran 发布 MUREL 数据集, 应用在 多语言处理、文化知识评估 领域

University of Tehran 本次发布的数据集 MUREL, MUREL是一个精心策划的数据集，包含8520万个token，跨越六个不同的文化，用于评估语言模型的文化能力。该数据集由公共资源构建，并按照Liu等人（2025年）提出的分类法系统组织，涵盖了思想、语言和社会三个主要维度，以实现对文化特定和语言现象的有针对性分析。数据集涵盖了从概念、知识、价值观、规范和道德到人工制品的广泛内容，旨在帮助研究人员更好地理解和分析多语言语言模型中的文化知识编码。

查看MUREL

README 内容： 

关于 University of Tehran , 德黑兰大学是伊朗最古老、最负盛名的大学之一，成立于1934年，位于首都德黑兰。该校在多个学科领域，包括工程、科学、人文和社会科学等方面具有卓越的研究和教学声誉。

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。