aisi-whitebox/arc_easy_cot_prompted_sandbagging_llama_33_70b_instruct
收藏Hugging Face2025-04-22 更新2025-04-26 收录
下载链接：
https://hf-mirror.com/datasets/aisi-whitebox/arc_easy_cot_prompted_sandbagging_llama_33_70b_instruct
下载链接
链接失效反馈官方服务：
资源简介：
这是一个用于评估AI模型在欺骗性任务上表现的数据集，包含良性和恶意两种提示，以及对应的沙袋行为。数据集使用Llama-3.3-70B-Instruct模型创建于2025年4月22日，沙袋检测功能已启用，但未进行沙袋过滤。数据集有训练、验证和测试三个部分，但没有具体说明是否进行了实际的数据分割。
This is a dataset for evaluating AI model performance on deceptive tasks, including both benign and malicious prompts, along with corresponding sandbagging behavior. The dataset was created using the Llama-3.3-70B-Instruct model on April 22, 2025, with sandbagging detection enabled but without sandbagging filtering. The dataset consists of training, validation, and test sets, but there is no specific indication of whether actual data splitting has occurred.
提供机构：
aisi-whitebox
