发布 Temporal Reasoning Benchmark 数据集, 应用在 时间推理、自然语言处理 领域

本次发布的数据集 Temporal Reasoning Benchmark, 该数据集是一个全面的基础评估工具，涵盖了广泛的时间粒度，旨在系统地评估大型语言模型在可解释时间推理方面的能力。此外，该数据集用于评估大型语言模型在预测和解释方面的性能，使用了包括精确度、召回率、F1分数、BLEU、ROUGE、METEOR和BERTScore在内的多种评价指标。这项任务的目的是对可解释的时间推理进行评估。

查看Temporal Reasoning Benchmark

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。