发布 Weakness Dataset 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 Weakness Dataset, 该数据集包含了100个测试案例，旨在评估多种大型语言模型（LLM）在逻辑推理方面的已知弱点。该数据集专门设计用于揭示LLM在逻辑推理上的不足，并助力提升这些模型的推理能力。规模上，该数据集包含了100个测试案例，任务是对大型语言模型的逻辑推理能力进行评估。

查看Weakness Dataset

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。