为什么重要
COGS 基于合成英语句子，系统性测试 21 种组合泛化现象（如被动语态、嵌入从句、PP 附着等）。比 SCAN 更贴近自然语言。
返回评测
推理 组合泛化 未饱和
模态 · 文本
任务 · 开放生成
COGS
21 种语言现象的组合泛化语义解析基准
Johns Hopkins University ·
考察能力
组合泛化 语义解析 句法-语义映射
构建信息
- 数据规模
- 24K+ 样本
- 评测方式
- 标准评测
- 核心指标
- Accuracy
资源链接
模型效果排行
🥇 GPT-4o
92%+
🥈 T5-Large
81%
组合泛化 语义解析 系统性