研究人员开发了 CroissantMiner，这是一个用于根据 Croissant 标准自动提取和验证机器学习数据集元数据的新基准和系统。该基准包含 600 多篇论文，包含人类验证和 LLM 生成的注释，重点关注核心和负责任人工智能 (RAI) 领域。评估表明，单遍提取方法在性能上优于智能体架构，特别是对于需要综合文档中分散细节的复杂 RAI 信息。 AI
影响 这项工作可以简化数据集的策展，并提高元数据的可靠性，特别是在负责任人工智能方面，有可能加速研究和开发。
排序理由 该集群描述了一篇介绍机器学习数据集元数据提取基准和评估系统的新学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.07132v1 Announce Type: cross Abstract: Croissant has emerged as a standard for machine-readable dataset metadata, yet populating its fields remains labor-intensive and requires careful reading of accompanying dataset documentation. We present the first benchmark enabli…
Croissant has emerged as a standard for machine-readable dataset metadata, yet populating its fields remains labor-intensive and requires careful reading of accompanying dataset documentation. We present the first benchmark enabling end-to-end evaluation of metadata extraction al…