计算机科学 > 计算与语言
[提交于 2024年12月31日
]
标题: AraSTEM:评估大语言模型在STEM学科知识方面的原生阿拉伯语多项选择题基准
标题: AraSTEM: A Native Arabic Multiple Choice Question Benchmark for Evaluating LLMs Knowledge In STEM Subjects
摘要: 大型语言模型(LLMs)表现出显著的能力,不仅在生成类似人类的文本方面,而且在获取知识方面也是如此。 这突显了需要超越典型的自然语言处理下游基准,并评估LLMs的各个方面,包括知识和推理。 已经开发了许多基准来评估LLMs的知识,但它们主要集中在英语语言上。 鉴于许多LLMs是多语言的,仅依赖于英语知识的评估是不够的。 为了解决这个问题,我们引入了AraSTEM,这是一个新的阿拉伯语多项选择题数据集,旨在评估LLMs在STEM学科中的知识。 该数据集涵盖了不同层次的各种主题,要求模型展示对科学阿拉伯语的深入理解,以实现高准确性。 我们的研究结果表明,各种大小的公开可用模型在这个数据集上遇到困难,并强调了需要更多本地化语言模型的必要性。 该数据集可在Hugging Face上免费访问。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.