摘要：
2024-04-18,由国防科技大学大数据与决策实验室联合东南大学和清华大学共同创建了CMNEE数据集，这个数据集为军事领域的事件抽取研究提供了宝贵的资源，解决了该领域数据稀缺的问题，对情报分析和决策辅助等应用具有重要意义。 一、研究背景： 事件抽取是从非结构化文本中提取结构化信息的过程，它通常被分 阅读全文
摘要：
2024-11-11，由斯坦福大学创建的FineTuneBench数据集，揭示了商业大型语言模型（LLMs）微调API在新知识学习和现有知识更新方面的显著不足，这对于理解和改进LLMs的适应性和可靠性具有重要意义。 一、研究背景： 随着大型语言模型（LLMs）在软件开发、医疗等领域的广泛应用，确保这 阅读全文
摘要：
2024-11-22 ，由格拉斯哥大学创建的OSPTrack数据集，目的是通过捕获在隔离环境中执行包和库时生成的特征，包括静态和动态特征，来识别开源软件（OSS）中的恶意指标，特别是在源代码访问受限时，支持在运行时高效检测方法。 一、研究背景： 开源软件（OSS）已成为互联网和网络供应链链中不可或缺 阅读全文
摘要：
2024-11-22，由Google DeepMind和MATS机构创建的ViSTa数据集，为评估视觉语言模型（VLMs）在理解基于顺序的任务方面的能力提供了新的视角，这对于强化学习中的成本降低和安全性提升具有重要意义。 一、研究背景 强化学习（RL）在需要复杂顺序决策的任务中表现出色，如游戏和机器 阅读全文