谷歌研究院 发布 SynthBio 数据集, 应用在 合成生物学、数据集评估 领域

谷歌研究院 本次发布的数据集 SynthBio, SynthBio是由谷歌研究院开发的一个新的评估数据集，用于WikiBio。该数据集包含2249个虚构人物的属性列表，每个列表平均对应2.1个传记，总计4692个传记。SynthBio通过合成管道创建，旨在展示如何构建具有与现实世界分布不同属性的数据集。数据集包括常见和不常见的职业样本，并设计为在性别和国籍方面比原始WikiBio数据集更平衡。人类评估显示，SynthBio中的传记与其相应的属性列表更为忠实，同时与原始数据集中的传记一样流畅。此外，训练于WikiBio的模型在SynthBio上的表现不佳，表明SynthBio可能作为评估模型在整个目标分布上执行能力的挑战集，以及在预训练期间不依赖真实世界知识记忆生成有根据文本的能力。

查看SynthBio

关于 谷歌研究院 , 谷歌研究院是谷歌公司旗下的研究机构，专注于计算机科学、人工智能、机器学习等领域的创新研究。

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。