发布 LLM Performance in Strategic Randomization 数据集, 应用在 自然语言处理、机器学习性能评估 领域

本次发布的数据集 LLM Performance in Strategic Randomization, 该数据集对五种具有不同架构和能力的大型语言模型（LLM）进行了评估，采用了一种涉及策略性随机化的轮盘式格式游戏。数据集中包含了在不同提示条件（框架化、中性、暗示）下的胜负矩阵和贝叶斯因子分析。这一评估在多个锦标赛中对五款LLM进行了多轮次的比较，旨在评估大型语言模型在战略推理和随机化能力方面的表现。

查看LLM Performance in Strategic Randomization

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。