К содержимому

Датасет · prquan

Пространственно-временной бенчмарк STARK

prquan/STARK_10k

Бенчмарк для оценки пространственно-временных рассуждений у LLM и LRM.

Что внутри

Содержит задачи разного уровня сложности для киберфизических систем, таких как робототехника и автопилоты. Представлен в виде текстовых данных на английском языке объемом от 10K до 100K.

Что можно сделать

  • Оценка пространственно-временного мышления LLM и LRM
  • Тестирование моделей для автономного транспорта и умных городов
Задачи
Вопрос-ответ
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
24,1 тыс.
Лайков
1

Как загрузить

from datasets import load_dataset

ds = load_dataset("prquan/STARK_10k")