以色列阿里尔大学 发布 Self-Execution Benchmark 数据集, 应用在 自然语言处理、机器学习评估 领域

以色列阿里尔大学 本次发布的数据集 Self-Execution Benchmark, Self-Execution Benchmark是一个评估大型语言模型（LLMs）自我执行能力的数据集，它通过一系列任务来测试模型能否预测自身输出的属性，如问题的难度、是否会拒绝回答、可能会产生的关联等。该数据集由以色列阿里尔大学计算机科学学院的研究团队创建，旨在解决LLMs缺乏自我执行能力的局限性问题。

查看Self-Execution Benchmark

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。