Long context benchmarks EXAONE 3.5 compared to similar models 2024

Statista2026-04-11 收录

长上下文模型评估

自然语言理解基准测试

数据链接：

https://www.statista.com/statistics/1557554/exaone-35-long-context-similar-llm-comparison/数据链接链接失效反馈

官方服务：

资源简介：

Long context benchmarks of EXAONE 3.5 compared to similar models in 2024

pg19

语言建模

自然语言理解基准测试

PG-19主要用于语言建模基准测试，它包含从Project Gutenberg图书库中提取的1919年之前出版的一系列书籍，以及书籍标题和出版日期等元数据。数据集规模超过Billion Word基准的两倍，文档平均长度是WikiText长程语言建模基准的20倍。书籍被划分为训练集、验证集和测试集，元数据存储在包含book_id、short_book_title和publication_date的m

OpenCSG2024-07-19 更新580

Wikipedia Corpus Articles

文本语料库

自然语言理解基准测试

It is somewhat helpful to use well-understood and commonly used standard datasets so that the findings can be quickly evaluated. Nevertheless, most of the corpora datasets are prepared for NLP tasks.

Mendeley Data30

HELM

大型语言模型评估

自然语言理解基准测试

语言模型采用文本并生成文本: 尽管语言模型很简单，但它正越来越多地充当从问题回答到摘要的几乎所有语言技术的基础。但是他们的巨大能力和风险还没有得到很好的理解。语言模型的整体评估 (HELM) 是一个活着的基准，旨在提高语言模型的透明度。

OpenXLab10

open-llm-leaderboard/details_csujeong__Falcon-7B-Fintued-Finance-Stock-E

大型语言模型评估

自然语言理解基准测试

该数据集是在模型csujeong/Falcon-7B-Fintued-Finance-Stock-E的评估运行期间自动创建的，用于Open LLM Leaderboard。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。"train"分割始终指向最新的结果。此外，还有一个名为"results"的配置存储

Hugging Face2024-03-22 更新90

math-extraction-comp/Jimmy19991222__llama-3-8b-instruct-gapo-v2-rouge2-beta10-1minus-gamma0.3-rerun

模型评估

自然语言理解基准测试

这是一个文本匹配或提取任务的数据集，包含问题、参考答案、预测答案、不同提取工具的答案和对应的评分等信息。数据集包含一个训练集。

Hugging Face2025-01-25 更新30