华南师范大学 发布 HSKBenchmark 数据集, 应用在 中文二语习得、语言评估 领域

华南师范大学 本次发布的数据集 HSKBenchmark, HSKBenchmark是由华南师范大学等机构联合构建的首个面向中文二语习得的分阶段建模与写作评估基准。该数据集包含676万字符的权威教材语料和1.6万条合成指令数据，覆盖HSK3-6等级的语言学习材料。数据集通过整合79本国际中文教育教材，并基于591个分级语法项目利用大模型生成写作练习指令构建而成。该基准主要应用于大语言模型的中文二语习得建模研究，旨在解决语言发展轨迹模拟和动态写作能力评估等关键科学问题。

查看HSKBenchmark

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。