发布 Anti-Commonsense Benchmark (?₃) 数据集, 应用在 自然语言处理、机器学习评估 领域

本次发布的数据集 Anti-Commonsense Benchmark (?₃), 该数据集是一个基准测试，其中变量名称被选定以反映与图宾根成对数据集中发现的因果关系相反的情况。该基准专注于测试大型语言模型在处理因果关系违反直觉的干预情况时的应对能力。在所有场景中，涵盖了22种干预效应。任务的目的是研究在干预情况下，大型语言模型对可能记忆中的因果关系的鲁棒性。

查看Anti-Commonsense Benchmark (?₃)

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。