CRASS: A Novel Data Set and Benchmark to Test Counterfactual Reasoning of Large Language Models

反事实思维 水准点(测量) 集合(抽象数据类型) 计算机科学 数据集 基线(sea) 人工智能 机器学习 试验装置 考试(生物学) 实验数据 数据挖掘 心理学 数学 统计 程序设计语言 地理 海洋学 古生物学 地质学 生物 社会心理学 大地测量学
作者
Jörg Frohberg,Frank Binder
出处
期刊:Cornell University - arXiv [Cornell University]
卷期号:: 2126-2140 被引量:9
标识
DOI:10.63317/34bje4jp4zxa
摘要

We introduce the CRASS (counterfactual reasoning assessment) data set and benchmark utilizing questionized counterfactual conditionals as a novel and powerful tool to evaluate large language models.We present the data set design and benchmark.We test six state-of-the-art models against our benchmark.Our results show that it poses a valid challenge for these models and opens up considerable room for their improvement.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
子初完成签到,获得积分10
刚刚
唯美发布了新的文献求助10
1秒前
只要菜菜关注了科研通微信公众号
1秒前
qinxue应助nickx采纳,获得10
1秒前
科研通AI6.2应助lv采纳,获得10
3秒前
leery应助动听的琳采纳,获得20
3秒前
尊敬寒松发布了新的文献求助10
3秒前
CHANCE发布了新的文献求助10
3秒前
李文秀发布了新的文献求助10
4秒前
5秒前
灰色头像完成签到,获得积分10
5秒前
充电宝应助owo采纳,获得20
5秒前
NexusExplorer应助YX采纳,获得10
5秒前
6秒前
核桃发布了新的文献求助20
6秒前
一道光发布了新的文献求助10
7秒前
7秒前
DW应助Tom采纳,获得10
8秒前
科研通AI6.4应助菠菜采纳,获得10
8秒前
9秒前
9秒前
唯美完成签到,获得积分20
9秒前
星辰大海应助ghtsmile采纳,获得20
10秒前
甜甜的易绿完成签到,获得积分10
10秒前
wangyue完成签到 ,获得积分10
10秒前
10秒前
凶狠的念寒完成签到,获得积分10
11秒前
鸽子完成签到,获得积分10
12秒前
百里青寒发布了新的文献求助10
12秒前
zhaowensen完成签到,获得积分10
12秒前
平常的三san完成签到,获得积分10
12秒前
文章发布了新的文献求助10
13秒前
13秒前
14秒前
felix发布了新的文献求助10
14秒前
sakatagintoki发布了新的文献求助10
14秒前
尊敬寒松发布了新的文献求助10
15秒前
山山发布了新的文献求助10
15秒前
夹心饼干发布了新的文献求助10
15秒前
111完成签到 ,获得积分10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
HYDROLYSE ACIDE DE QUELQUES DIOXASPIROCYCLANES 1314
Essentials of Carbohydrate Chemistry and Biochemistry, 4th Edition 800
Navigating Normative Orders. Interdisciplinary Perspectives 800
1 Peter and Christ's Descent to the Dead in Its Early Christian Reception 700
Organizational Behavior 510
Management and the Arts 510
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7745925
求助须知:如何正确求助?哪些是违规求助? 9293769
关于积分的说明 20222118
捐赠科研通 7325542
什么是DOI,文献DOI怎么找? 3307982
关于科研通互助平台的介绍 2459950
邀请新用户注册赠送积分活动 2319405