Feb, 2024

Lissard:长且简单的顺序推理数据集

TL;DR论文介绍了一个基准测试集Lissard,其中包括七个任务,旨在评估模型处理和生成不同长度序列以及需要重复操作的能力。评估结果显示,无论是开源模型(Mistral-7B和Mixtral-8x7B)还是专有模型(GPT-3.5和GPT-4),随着序列复杂性的增加,所有模型的性能都呈现一致下降趋势。