Abstract Operator In-Context Learning Dataset

kaggle2026-04-07 更新2026-06-17 收录

下载链接：

https://www.kaggle.com/datasets/kaziaishikuzzaman/axiom-abstract-operator-inference-dataset

下载链接

链接失效反馈

官方服务：

资源简介：

Synthetic algebraic operator sequences for in-context reasoning research

创建时间：

2026-04-07

GINC(Generative IN-Context learning Dataset)

GINC（Generative In-Context learning Dataset）是一个用于研究上下文学习的小规模合成数据集。预训练数据由 HMM 的混合生成，上下文学习提示示例也由 HMM 生成（无论是否来自混合）。提示示例相对于预训练数据是不分布的，因为每个示例都是独立的、连接的并由分隔符分隔。 GitHub 存储库提供代码来生成具有不同词汇量、HMM 数量和其他参数的 GINC 样式数

OpenDataLab2026-07-05 更新210

Novel Benchmark for In-Context Learning

该数据集是一个基准测试，包含了难度较高的科学问题，每个问题都配有一个与之相关度不同的上下文，以评估大型语言模型在上下文学习中的表现。该基准测试的目的是揭示大型语言模型在处理封闭式问题和开放式问题时的差异。具体任务是对开放式和封闭式问题在上下文学习中的表现进行评估。

arXiv100

Exemplary in-context learning examples contained in the prompts.

Figshare2026-02-12 更新00

GINC(Generative IN-Context learning Dataset)

OpenXLab00

In-Context Learning Embedding and Reranker Benchmark (ICLERB)

In-Context Learning Embedding and Reranker Benchmark (ICLERB) 是由Crossing Minds, Inc创建的一个评估框架，旨在比较不同检索器在增强大型语言模型（LLM）在上下文学习（ICL）任务中的准确性。数据集通过多个数据集和LLM模型评估现有嵌入模型和重排序器的性能。ICLERB的创建过程涉及使用强化学习从AI反馈（RLRAIF）

arXiv2024-11-28 更新140