• توضیحات :

Corr2cause

استنتاج علی یکی از ویژگی های بارز هوش انسان است.

Corr2cause یک مجموعه داده در مقیاس بزرگ از بیش از 400 هزار نمونه است که بر اساس آن هفده LLM موجود در مقاله مربوطه ارزیابی شده است.

به طور کلی، Corr2cause شامل 415944 نمونه است که 18.57٪ در نمونه های معتبر است. میانگین طول فرض 424.11 توکن و فرضیه 10.83 توکن است. داده ها به ترتیب به 411452 نمونه آموزشی، 2246 نمونه توسعه و آزمایش تقسیم می شوند. از آنجایی که هدف اصلی مجموعه داده، محک زدن عملکرد LLMها است، مجموعه‌های آزمایش و توسعه برای داشتن پوششی جامع بر تمام اندازه‌های نمودارها در اولویت قرار گرفته‌اند.

• صفحه اصلی : https://github.com/causalNLP/corr2cause/tree/main

• کد منبع : tfds.datasets.corr2cause.Builder

• نسخه ها :

  • 1.0.0 (پیش فرض): انتشار اولیه.

• حجم دانلود : 727.22 MiB

• حجم مجموعه داده : 739.91 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• ساختار ویژگی :

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

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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}
}