来源: AINLPer公众号(每日干货分享!!)
编辑: ShuYini
校稿: ShuYini
时间: 2024-3-13
该数据集由Google、OpenAI等研究者共同开发,旨在通过一系列多样化的任务来全面评估语言模型的性能。BIG-Bench包含了超过200个任务,这些任务涵盖了文本理解、推理、逻辑推理、数学推理和常识推理等多个领域。任务类型包括机器翻译、文本分类、序列标注、抽取式摘要、信息检索、表格解读、数理推理、常识推理、多模态推理、规划和数学问题解答等。
该数据集试图创建一个模拟现实应用场景的基准,以更全面的方式评估和比较AI算法。每个任务都由一个模板、一组例子和一个测试集组成。这些任务与现实世界的数据没有直接联系,而是设计来测试模型的通用能力,如推理、常识、逻辑等。了便于研究者和开发者快速评估模型性能,BIG-Bench还提供了一个名为BIG-Bench Lite(BBL)的子集,它包含了24个多样化的JSON任务。BBL旨在提供模型性能的规范度量,比评估完整BIG-Bench集合要更加快捷。
相关数据集与论文获取,GZ: AINLPer公众号 回复:** BB数据集**