ILMT initiative 发布 IndicSentEval 数据集, 应用在 自然语言处理、语言模型评估 领域

ILMT initiative 本次发布的数据集 IndicSentEval, 该数据集是一个新颖的多语言基准数据集，包含大约47,000个句子，旨在评估多语言Transformer模型在六种印度语系语言中对于各种语言属性的编码能力和鲁棒性。该数据集为八个探查任务提供了标注数据，并采用沙克提标准格式（SSF）进行编排，这种格式包含了丰富的语言注释信息。规模上，该数据集大约涵盖了47,000个句子，其任务是探查多语言Transformer模型中的语言属性。

查看IndicSentEval

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。