مجموعة بيانات الاختبار النهائي
Test Set
حزمة البيانات النهائية والمستقلة كلياً، وتستخدم لمرة واحدة لتقييم كفاءة وصحة النموذج النهائية.
Test Set
تُرجم أيضاًمصفوفة التقييم المستقلة الكلية، معطيات قياس الجودة النهائية
أول ظهور في هذه المجموعة: ImageNet: قاعدة بيانات صور هرمية واسعة النطاق (2009)
يظهر في هذه الأوراق
- هل القدرات الناشئة في النماذج اللغوية الكبيرة مجرد سراب؟2023في السماء ✦
- GLUE: معيار مرجعي متعدد المهام ومنصة تحليل لفهم اللغة الطبيعية2018في السماء ✦
- النماذج اللغوية: تعلُّم مهام متعددة بلا إشراف2019في السماء ✦
- ImageNet: قاعدة بيانات صور هرمية واسعة النطاق2009في السماء ✦
- «لماذا أثق بك؟»: تفسير تنبؤات أي مُصنِّف2016في السماء ✦
- SQuAD: أكثر من 100,000 سؤال لفهم الآلة للنصوص2016في السماء ✦
- SWE-bench: هل تستطيع النماذج اللغوية حلّ مشكلات GitHub الحقيقية؟2024في السماء ✦