ErrorBench是一个人工标注的细粒度基准数据集，用于分析大型语言模型（LLMs）在数据到文本（D2T）生成中的错误。数据集包含从结构化DBpedia三元组生成的句子，并标注了10种错误类别的细粒度错误标签。该数据集旨在支持对生成失败（如幻觉、遗漏、提示泄漏、不连贯性及实体或关系错误）的详细分析，这些错误无法通过传统的表面级指标（如BLEU或ROUGE）捕捉。每个输入三元组与多个LLM的输出配

Hugging Face2026-03-29 更新170

AlexFromSynlabs/sllm

数据到文本生成

视频游戏

ViGGO是一个用于数据到文本生成的英文数据集，专注于视频游戏领域，目标响应更偏向于对话式而非信息检索式。数据集包含约5,000个样本，非常干净，适合用于评估神经模型的迁移学习、低资源或少量样本学习能力。数据集的结构包括两个主要字段：`mr`（意义表示）和`ref`（参考输出）。数据集分为训练集、验证集和测试集，比例为7.5:1:1.5。数据集的创建目的是为了在开放域聊天机器人中使用，而不是任务导

Hugging Face2024-01-08 更新280

WIKITABLET

数据到文本生成

写作辅助工具

WIKITABLET是一个大规模的数据到文本生成数据集，由芝加哥丰田技术研究所创建。该数据集将维基百科文章的章节与其相应的表格数据和各种元数据配对，包含数百万实例，覆盖广泛的主题和生成任务类型。数据集的创建过程涉及从维基数据表、信息框、超链接和命名实体识别等多个资源收集数据，并通过多种过滤确保数据质量。WIKITABLET的应用领域包括辅助写作技术，如帮助学生在撰写论文时从多种事实来源中提取信息，

arXiv2021-06-02 更新180

Scalable Micro-planned Generation of Discourse from Structured Data

资源简介：

相关数据集