GSCAN

该数据集名为gSCAN，是一个评估情境语言理解中组合性泛化能力的基准，主要研究代理如何在网格世界环境中解释和执行命令。该数据集包含了训练和测试集，要求进行不同形式的语言泛化，包括对新颖的颜色-形状组合进行零样本泛化。数据集规模为19,282个测试示例，其任务旨在评估在接地语言理解中的系统性泛化能力。