数据集概述
本数据集包含澳大利亚菊科植物分类描述的大语言模型（LLM）形态数据提取准确性与可重复性测试结果，基于109个随机选取的分类描述样本，用于验证LLM在植物形态学数据分析中的有效性与挑战性。
文件详解
- 文件名称：oo_1396814.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含LLM对109个澳大利亚菊科植物分类描述进行形态数据提取的准确性测试结果（如提取正确/错误的字段统计）和可重复性测试结果（如多次提取的一致性数据）。
数据来源
论文“Large Language Models can extract morphological data from taxonomic descriptions, but their stochastic nature makes automation challenging: a test on Australian Asteraceae”
适用场景
- 植物分类学AI工具评估：分析大语言模型在植物形态数据自动提取中的准确性与局限性。
- 自然语言处理算法优化：基于测试结果改进针对植物分类描述的文本提取模型。
- 生物多样性数据标准化：探索AI技术在大规模植物形态数据标准化处理中的应用潜力。
- 学术研究方法验证：为植物学领域使用大语言模型进行数据提取的研究方法提供验证依据。
