cais/wmdp-mmlu-auxiliary-corpora

该数据集包括用于在MMLU辅助基准任务上进行遗忘学习的辅助语料库，来自WMDP论文。具体包括三个语料库：1. physics-corpus，包含高中和大学物理教科书；2. law-corpus，包含国际和专业法律教科书；3. economics-corpus，包含高中微观经济学和宏观经济学教科书。

原始信息汇总

数据集概述

数据集配置

经济学语料库 (economics-corpus)

• 特征:
  • text: 数据类型为 string
• 分割:
  • train: 包含 5387 个样本，占用 3560372.0 字节
• 下载大小: 2032342 字节
• 数据集大小: 3560372.0 字节
• 数据文件路径: economics-corpus/train-*

法律语料库 (law-corpus)

• 特征:
  • text: 数据类型为 string
• 分割:
  • train: 包含 1905 个样本，占用 985533.0 字节
• 下载大小: 578576 字节
• 数据集大小: 985533.0 字节
• 数据文件路径: law-corpus/train-*

物理学语料库 (physics-corpus)

• 特征:
  • text: 数据类型为 string
• 分割:
  • train: 包含 1586 个样本，占用 1091998.0 字节
• 下载大小: 616579 字节
• 数据集大小: 1091998.0 字节
• 数据文件路径: physics-corpus/train-*

数据集描述

• 物理学语料库: 包含高中和大学物理教材。
• 法律语料库: 包含国际和专业法律教材。
• 经济学语料库: 包含高中微观经济学和宏观经济学教材。

引用信息

@misc{li2024wmdp, title={The WMDP Benchmark: Measuring and Reducing Malicious Use With Unlearning}, author={Nathaniel Li and others}, year={2024}, eprint={2403.03218}, archivePrefix={arXiv}, primaryClass={cs.LG} }