发布 CriticBench 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 CriticBench, 该数据集旨在通过闭环方法评估大型语言模型（LLMs）的批评能力，该方法通过评估从批评生成的更正质量来进行基准测试。CriticBench专注于生成批评，并根据预测解决方案的正确性来确定批评的质量，这突显了现有评估方法的局限性。该任务专注于对语言模型的批评能力进行评估。

查看CriticBench

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。