LLM Lab 发布 MorphBPE Evaluation Datasets 数据集, 应用在 自然语言处理、模型评估 领域

LLM Lab 本次发布的数据集 MorphBPE Evaluation Datasets, 该数据集包含了针对MorphBPE在形态编辑距离和形态一致性方面的表现评估，覆盖了英语、俄语、匈牙利语和阿拉伯语等多种语言。该数据集专门用于衡量MorphBPE与标准BPE在形态准确性及训练效率方面的对比表现。该数据集基于大约140亿个标记，涵盖了不同模型大小（分别为30亿和100亿个参数）的训练。其任务是对形态结构进行分词和评估。

查看MorphBPE Evaluation Datasets

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。