通过大型语言模型生成的神经网络架构数据集

《Scientific Data》：A dataset of neural network architectures generated via large language models

　　

摘要

神经网络越来越被用于辅助决策制定。为验证其可靠性和适应性，研究人员和从业者提出了多种工具和方法，用于神经网络代码的验证、重构及迁移等工作。这些工具对于确保神经网络架构的正确性与可维护性至关重要，有助于避免实现错误、简化模型更新，并保证复杂网络能够被可靠地扩展和重用。然而，由于缺乏可供系统评估的多样化公开神经网络数据集，衡量这些工具的有效性仍然面临挑战。为填补这一空白，我们利用大型语言模型自动生成一组神经网络数据集，作为验证的基准。该数据集旨在涵盖多种层类型，并能处理多种输入数据类型和任务。最终共生成了608个样本，每个样本都遵循一系列精确的设计规范。为进一步确保其一致性，我们通过静态分析和符号追踪来验证所生成网络的正确性。我们将该数据集公开发布，以支持社区在神经网络可靠性与适应性研究方面的进展。