多伦多大学 发布 CR-LT-KGQA 数据集, 应用在 知识图谱问答、常识推理 领域

多伦多大学 本次发布的数据集 CR-LT-KGQA, CR-LT-KGQA是由多伦多大学开发的一个知识图谱问答数据集，专注于需要常识推理和长尾知识的问题。该数据集包含350个查询，分为问答和声明验证两个子任务，旨在解决现有KGQA数据集的两个主要限制：缺乏常识推理需求和过度关注流行实体。CR-LT-KGQA通过扩展现有的推理数据集StrategyQA和CREAK来构建，特别关注非主流和近期实体，这些实体在大型语言模型中经常导致幻觉，从而需要新的方法来利用知识图谱进行事实和可归属的常识推理。数据集的应用领域包括提高AI系统的常识推理能力，以及在大型语言模型时代为长尾实体提供准确和事实的答案。

查看CR-LT-KGQA

README 内容： 

关于 多伦多大学 , 多伦多大学是加拿大一所世界知名的公立研究型大学，以其卓越的教学和科研实力在全球享有盛誉。

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。