数据集简介
该数据集由 Facebook（现 Meta）发布，主要用于评估语言模型的常识推理和知识补全能力。其核心任务是通过遮盖句子中的实体，让模型预测正确的实体，从而测试模型对世界知识的掌握程度。
主要用途
- 语言模型知识评估：测试模型在事实性知识补全方面的表现。
- 常识推理基准：作为衡量模型是否具备常识的基准数据集。
- 模型对比研究：用于比较不同语言模型在知识密集型任务上的性能。
数据类型/模态
- 模态：文本（自然语言句子）
- 数据形式：包含实体遮盖的句子，通常以“完形填空”形式呈现（例如：“巴黎是 [MASK] 的首都。”）。
规模与统计信息
- 下载量：682 次
- 点赞数：19
- 更新日期：2024年1月
使用场景
- 研究人员和开发者评估预训练语言模型（如 BERT、RoBERTa 等）的知识覆盖度。
- 作为下游任务（如问答、实体链接）的预训练或微调数据。
- 用于分析和改进模型在事实性知识方面的局限性。