PulseAugur
中
实时 10:46:29
实体 commonsense benchmarks

commonsense benchmarks

PulseAugur coverage of commonsense benchmarks — every cluster mentioning commonsense benchmarks across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_183260 ·

    研究质疑常识性基准对大型语言模型的预测能力

    一篇新发表在arXiv上的研究调查了常识性基准对大型语言模型（LLMs）的预测有效性。研究人员在各种基准和下游任务上评估了六个系列的23个模型，发现修订后的基准在很大程度上保持了原始模型排名，但并未显著提高下游预测能力。研究得出结论，虽然常识性基准对特定下游任务显示出一定的预测有效性，但它们并未提供广泛的整体常识能力的证据。