• Descripción :

Corr2causa

La inferencia causal es una de las características distintivas de la inteligencia humana.

Corr2cause es un conjunto de datos a gran escala de más de 400.000 muestras, en el que se evalúan diecisiete LLM existentes en el artículo relacionado.

En general, Corr2cause contiene 415.944 muestras, con un 18,57% de muestras válidas. La longitud promedio de la premisa es de 424,11 tokens y la de la hipótesis de 10,83 tokens. Los datos se dividen en 411.452 muestras de entrenamiento, 2.246 muestras de desarrollo y prueba, respectivamente. Dado que el objetivo principal del conjunto de datos es comparar el rendimiento de los LLM, se ha dado prioridad a los conjuntos de prueba y desarrollo para tener una cobertura integral de todos los tamaños de gráficos.

• Página de inicio : https://github.com/causalNLP/corr2cause/tree/main

• Código fuente : tfds.datasets.corr2cause.Builder

• Versiones :

  • 1.0.0 (predeterminado): versión inicial.

• Tamaño de descarga : 727.22 MiB

• Tamaño del conjunto de datos : 739.91 MiB

• Almacenamiento en caché automático ( documentación ): No

• Divisiones :

• Estructura de características :

FeaturesDict({
    'input': Text(shape=(), dtype=string),
    'label': int64,
})

• Documentación de funciones :

• Claves supervisadas (ver documento as_supervised ): None

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@misc{jin2023large,
      title={Can Large Language Models Infer Causation from Correlation?},
      author={Zhijing Jin and Jiarui Liu and Zhiheng Lyu and Spencer Poff and Mrinmaya Sachan and Rada Mihalcea and Mona Diab and Bernhard Schölkopf},
      year={2023},
      eprint={2306.05836},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}