Sharif大学 发布 EPT Benchmark 数据集, 应用在 自然语言处理、语言模型评估 领域

Sharif大学 本次发布的数据集 EPT Benchmark, EPT Benchmark是一个专门为评估大型语言模型在波斯语中的可信度而设计的基准。该数据集由研究人员精心策划，以反映波斯价值观、语言复杂性和伦理考虑。该数据集被用于评估多个领先的大型语言模型，包括ChatGPT、Claude、DeepSeek、Gemini、Grok、LLaMA、Mistral和Qwen。评估过程结合了基于LLM的自动评分和由波斯语母语人士进行的人类专家审查，以获得稳健和情境敏感的见解。

查看EPT Benchmark

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。