In-house 发布 LocationReasoner 数据集, 应用在 自然语言处理、场地选址 领域

In-house 本次发布的数据集 LocationReasoner, 该数据集是一个旨在评估大型语言模型在实际场地选址任务中的推理能力的基准测试，包含了超过300个精心设计、难度各异的查询。此外，该基准测试还提供了一个沙盒环境，其中包含了基于约束的地点搜索工具，并评估了不同人工智能模型在这些任务上的表现。规模上，数据集包含了超过300个查询，任务重点在于场地选址的推理能力。

查看LocationReasoner

README 内容： 

关于 In-house , -

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。