CT-Eval

CT-Eval是一个专为评估大型语言模型在中文文本到表格任务上性能而设计的数据集。该数据集由早稻田大学创建，涵盖了28个不同领域，确保了数据的多样性。数据集的构建过程中，首先从百度百科这一流行的中文多学科在线百科中收集文档-表格对，然后使用大型语言模型作为幻觉判断器，过滤掉含有幻觉的任务样本，最后通过人工标注者进一步清理验证和测试集中的幻觉信息。CT-Eval包含88.6K任务样本，旨在帮助研究人员评估和快速理解现有大型语言模型的中文文本到表格能力，并作为提升文本到表格性能的重要资源。

搜集汇总

背景与挑战

背景概述

CT-Eval是一个由早稻田大学创建的中文文本到表格评估数据集，涵盖28个领域以确保数据多样性。它通过从百度百科收集文档-表格对，并利用大型语言模型和人工标注过滤幻觉样本，包含88.6K任务样本，旨在帮助研究人员评估和提升大型语言模型的中文文本到表格能力。