奈良先端科学技术大学院大学（NAIST） 发布 SinhalaMMLU 数据集, 应用在 自然语言处理、低资源语言 领域

奈良先端科学技术大学院大学（NAIST） 本次发布的数据集 SinhalaMMLU, SinhalaMMLU是一个用于评估多任务语言理解能力的基准数据集，专为斯里兰卡的低资源语言僧伽罗语设计。该数据集包含超过7000个问题，涵盖从中学到大学教育水平的各个学科，并与斯里兰卡国家课程相一致。它包括六个领域和30个学科，既包括一般学术话题，也包括具有文化背景的知识。SinhalaMMLU旨在填补现有基准数据集在低资源语言和文化特定内容方面的空白，并促进低资源语言和文化相关语言模型的发展。

查看SinhalaMMLU

Dataset card 内容： 

Files and versions 内容： 

关于 奈良先端科学技术大学院大学（NAIST） , 奈良先端科学技术大学院大学（NAIST）是一所位于日本奈良的研究型大学，专注于科学和技术的研究与教育。_simple

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。