DevBench 发布 DevBench 数据集, 应用在 软件评估、自然语言处理 领域

DevBench 本次发布的数据集 DevBench, 该数据集是一个基准数据集，其中包含了用于评估语言模型的人类标注的软件设计文件。它旨在适应成对比较的框架内，任务是对各种元素进行成对比较评估。

查看DevBench

README 内容： 

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。