发布 LMAct Benchmark 数据集, 应用在 多模态决策、基准测试 领域

本次发布的数据集 LMAct Benchmark, 该数据集是一个旨在评估大型基础模型在多种交互式决策任务中的多模态决策能力的基准测试。该基准测试涵盖了零样本、少样本和多样本情境，以评估模型在上下文学习环境中的表现。其规模可达到上百万个标记和最多512个完整演示集。任务包括玩井字游戏、国际象棋、Atari游戏、网格世界导航、解纵横字谜以及控制模拟猎豹等交互式决策任务。

查看LMAct Benchmark

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。