发布 PolicyBench 数据集, 应用在 公共政策、自然语言处理 领域

本次发布的数据集 PolicyBench, 该数据集名为PolicyBench，包含了针对新加坡背景下四个公共政策领域的问答实验，旨在评估大型语言模型在知识库之外的鲁棒性。该数据集提供了可复制的评估基准，并包含了经人工验证的评估大型语言模型行为的指标。其规模覆盖了四个政策领域，采用复杂性及领域特定性的因子设计。所涉及的任务是针对公共政策的问答（Question-Answering, QA）。

查看PolicyBench

README 内容： 

关于 ,

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。