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")