К содержимому

Датасет · google

Бенчмарк от Google для проверки цепочек рассуждений (CoT)

google/reveal

Набор данных на английском языке для оценки моделей-верификаторов, проверяющих пошаговые рассуждения LLM.

Что внутри

Это бенчмарк от Google для оценки качества проверки цепочек рассуждений (Chain-of-Thought) у языковых моделей. Внутри от 1 до 10 тысяч примеров на английском языке, представленных в текстовом и табличном форматах. Датасет создан для задач классификации текста и ответов на вопросы.

Что можно сделать

  • Оценка моделей-верификаторов, ищущих ошибки в пошаговых рассуждениях LLM
  • Тестирование систем контроля достоверности ответов в задачах question-answering
Задачи
Классификация текста, Вопрос-ответ
Языки
Английский
Размер
1K–10K записей
Скачиваний за месяц
376
Лайков
40
Доступ
по запросу на Hugging Face

Как загрузить

from datasets import load_dataset

ds = load_dataset("google/reveal")