发布 OSVBench 数据集, 应用在 操作系统内核验证、自然语言处理 领域

本次发布的数据集 OSVBench, 该数据集是一个用于评估大型语言模型（LLMs）在生成操作系统内核验证任务的完整规范代码方面的基准。它包含了245个复杂规范生成的任务，并基于现实世界中的操作系统内核——Hyperkernel构建。此外，该基准对12个LLMs进行了全面的评估。规模上，它涵盖了245个任务，每个任务都有长达20k至30k个标记的长上下文。任务的性质是针对操作系统内核验证的规范生成。

查看OSVBench

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。