Датасет · openai
Бенчмарк FrontierScience для научных задач
openai/frontierscience
Менее 1 тыс. текстовых примеров для оценки ИИ на экспертных научных задачах.
Что внутри
Текстовый бенчмарк FrontierScience предназначен для проверки того, как ИИ справляется с научными задачами экспертного уровня. В наборе менее 1 тыс. примеров; язык и формат в карточке не указаны. Есть предупреждение не включать эти данные в обучающие корпуса.
Что можно сделать
- Оценка LLM на экспертных научных задачах
- Сравнение моделей в zero-shot-режиме
- Проверка научного reasoning
- Размер
- до 1K записей
- Скачиваний за месяц
- 9,4 тыс.
- Лайков
- 185
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("openai/frontierscience")