Open Source 发布 Llama series models evaluation benchmarks 数据集, 应用在 语言模型评估、基准测试 领域

Open Source 本次发布的数据集 Llama series models evaluation benchmarks, 该数据集分析了六个流行的多选题问答基准，以量化这些基准与Llama训练集的重叠程度，揭示了污染率。研究发现，这些污染率在1%至8.7%之间。本次评估对六个基准进行了规模分析，其任务是对语言模型进行评估。

查看Llama series models evaluation benchmarks

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。