发布 HumanEval-V 数据集, 应用在 机器学习评估、编程任务 领域

本次发布的数据集 HumanEval-V, 该数据集是一个专为评估LMMs（指代某种机器学习模型）的视觉理解和推理能力而设计的基准，通过代码生成来实现。它包含了108个入门级的Python编程任务，这些任务融合了视觉元素。这些任务改编自CodeForces和Stack Overflow等平台，并配备了手工制作的测试用例以便进行评估。数据集的规模为108个任务，主要任务是基于视觉上下文和预定义的函数签名进行代码生成。

查看HumanEval-V

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。