发布 SOS-Bench 数据集, 应用在 自然语言处理、模型评估 领域

本次发布的数据集 SOS-Bench, 该数据集是目前最大的标准化、可复制的LLM元基准测试，旨在通过多种评价指标来评估LLM的对齐情况。该数据集突出了数据规模扩大和提示多样性在LLM后训练阶段的监督微调中对效果的影响。其任务是通过安全性、世界知识和指令遵循等方面来评估LLM的对齐情况。

查看SOS-Bench

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。