发布 BioCite 数据集, 应用在 自然语言处理、模型评估 领域

本次发布的数据集 BioCite, 该数据集名为BioCite，是从BioS数据集中构建的人工合成预训练语料库。它包含了虚构人物的传记，每个传记中都列出了六个关于每个人的不同事实。该数据集旨在模拟真实的预训练数据，其中包括使用模板描述的属性，并且对文档ID进行了精心设计，以挑战模型的归因能力。该数据集的规模为10万份生成的文档，其任务是研究语言模型中的内在来源引用。

查看BioCite

README 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。