发布 UniToMBench 数据集, 应用在 自然语言处理、人工智能评估 领域

本次发布的数据集 UniToMBench, 该数据集包含了超过1000个手工编写的故事情境，旨在提升并评估大型语言模型的心智理论能力。该数据集融合了视角采纳技术与多样化的评估指标，通过多交互任务设计和不断演变的故事情境，对大型语言模型的心智理论能力进行综合评价。

查看UniToMBench

README 内容： 

关于 ,

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。