清华大学 发布 Native Chinese Reader (NCR) 数据集, 应用在 机器阅读理解、中文语言能力 领域

清华大学 本次发布的数据集 Native Chinese Reader (NCR), Native Chinese Reader (NCR) 是一个专为机器阅读理解设计的数据集，包含8390个文档，平均长度为1024字，涵盖现代和古典中文多种文体。该数据集源自中国高中语文课程的考试题目，旨在评估母语为中文的青少年的语言能力。与现有中文MRC数据集相比，NCR不仅文档长度更长，问题也更具有挑战性，需要较强的推理能力和常识知识来解答。NCR的应用领域主要集中在提升中文自然语言理解能力，特别是在古典文学和诗歌的理解上，旨在缩小当前MRC模型与母语使用者之间的性能差距。

查看Native Chinese Reader (NCR)

关于 清华大学 , 清华大学，位于中国北京，是一所享誉全球的顶尖研究型大学，以其深厚的学术底蕴和杰出的科研能力而著称。

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。