四川大学 发布 GLGE 数据集, 应用在 自然语言生成、模型评估 领域

四川大学 本次发布的数据集 GLGE, GLGE是一个针对自然语言生成（NLG）模型评估的多任务基准，旨在评估NLG模型在英语语言生成任务上的泛化能力。该数据集包含8个任务，涵盖文本摘要、问题生成、生成式问答和对话等。GLGE为每个任务设计了三个难度级别的子任务，共引入24个子任务，以全面比较模型性能。数据集选择了六个现有的流行数据集，并引入了两个来自真实世界场景的新数据集，确保评估结果的公平性。GLGE的目的是推动NLG领域的预训练和迁移学习研究，提供了一个公开的排行榜和强大的基准模型，如MASS、BART和ProphetNet。

查看GLGE

README 内容： 

关于 四川大学 , 四川大学是中国的一所综合性研究型大学，位于四川省成都市，是中国教育部直属的重点大学之一，拥有悠久的历史和卓越的学术声誉。

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。