MMSI-Video-Bench

kaggle2026-05-03 更新2026-05-09 收录

视频空间智能

推理基准测试

数据链接：

https://www.kaggle.com/datasets/abcdwdedwefw/mmsi-video-bench 数据链接链接失效反馈

官方服务：

资源简介：

MMSI-Video-Bench: A Holistic Benchmark for Video-Based Spatial Intelligence

创建时间：

2026-05-02

LLM-Rationality-Benchmark

语言模型评估

推理基准测试

该数据集是用于评估大型语言模型（LLMs）的理性程度，涵盖了广泛的领域和LLMs。数据集由清华大学团队创建，旨在为LLMs的开发者和用户提供一个基础评估工具，帮助优化和训练模型，并识别潜在的提升领域。数据集基于对各种理性评价的广泛文献回顾，将理性分为个体、人际和社会三个层面，涵盖了六个理性研究领域的评估。数据集包含了大量的问卷、测试和分析，以揭示LLMs在不同领域的理性程度，并提供了与人类理性的比

arXiv2025-09-18 更新270

meituan-longcat/General365_Public

大型语言模型评估

推理基准测试

--- license: mit configs: - config_name: default data_files: - split: test path: data/test-* dataset_info: features: - name: id dtype: string - name: question dtype: string - n

Hugging Face2026-04-14 更新120

Baital Evaluation: Benchmarks and Results

评估工具验证

推理基准测试

This deposit contains benchmarks used for evaluation of Baital tool https://github.com/meelgroup/baital and a csv file with evaluation results on these benchmarks.

NIAID Data Ecosystem80

MorphoBench

推理基准测试

模型评估

MorphoBench是一个自适应推理基准测试，包含超过1300个多学科问题，能够根据模型推理轨迹动态调整任务难度，为评估o3和GPT-5等先进模型的推理性能提供可扩展且可靠的框架

github2025-10-20 更新260

Multi-Domain-Reasoning-Benchmark

语言模型评估

推理基准测试

CMDR-Bench（综合多领域推理基准）是一个系统化的评估套件，包含跨10个不同认知领域的100个精心设计的测试案例。该数据集旨在全面评估大型语言模型在推理、问题解决和指令遵循方面的能力。每个认知领域都设有分级难度量表（1-10级），支持从基础到专家级复杂度的细粒度能力阈值分析。数据集规模为小于1,000个样本，适用于文本生成任务，语言为英语，采用Apache 2.0许可协议。

Hugging Face2026-04-10 更新90

MMSI-Video-Bench

资源简介：

相关数据集