发布 ZeroSumEval Game Outcomes 数据集, 应用在 语言模型评估、竞技游戏 领域

本次发布的数据集 ZeroSumEval Game Outcomes, 该数据集展示了不同规模的Llama 3模型在诸如国际象棋和辩论等竞技游戏中的直接对决结果，同时也揭示了模型大小与在这些游戏中表现性能之间的相关性。该数据集对多个模型进行了评估，其任务是通过竞争性游戏来对大型语言模型进行评估。

查看ZeroSumEval Game Outcomes

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。