• 설명 :

Corr2원인

인과 추론은 인간 지능의 특징 중 하나입니다.

Corr2cause는 관련 논문에서 17개의 기존 LLM을 평가한 400,000개 이상의 샘플로 구성된 대규모 데이터 세트입니다.

전체적으로 Corr2cause에는 415,944개의 샘플이 포함되어 있으며 유효 샘플의 비율은 18.57%입니다. 전제의 평균 길이는 424.11 토큰, 가설 10.83 토큰입니다. 데이터는 각각 411,452개의 훈련 샘플, 2,246개의 개발 및 테스트 샘플로 분할됩니다. 데이터 세트의 주요 목적은 LLM의 성능을 벤치마킹하는 것이므로 테스트 및 개발 세트는 모든 크기의 그래프에 대해 포괄적인 적용 범위를 갖도록 우선순위가 지정되었습니다.

• 홈페이지 : https://github.com/causalNLP/corr2cause/tree/main

• 소스 코드 : tfds.datasets.corr2cause.Builder

• 버전 :

  • 1.0.0 (기본값): 최초 릴리스입니다.

• 다운로드 크기 : 727.22 MiB

• 데이터세트 크기 : 739.91 MiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 기능 구조 :

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

• 기능 문서 :

• 감독되는 키 ( as_supervised doc 참조): None

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 예 ( tfds.as_dataframe ):

• 인용 :

@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}
}