Bench

Name: Bench
Creator: Zenodo
Published: 2026-05-28 02:08:41
License: 暂无描述

Zenodo2026-05-28 更新2026-05-26 收录

下载链接：

https://zenodo.org/doi/10.5281/zenodo.10336799

下载链接

链接失效反馈

官方服务：

资源简介：

bench at bus stop in Singapore Uploaded with 3dScannerApp.com Source: Objaverse 1.0 / Sketchfab

提供机构：

Zenodo

创建时间：

2023-12-28

bench-llms/or-bench

OR-Bench是一个用于评估大型语言模型在拒绝有害提示和接受安全提示方面表现的数据集。该数据集包含多个配置，如or-bench-80k、or-bench-hard-1k和or-bench-toxic，每个配置都包含prompt和category两个特征。数据集的目标是帮助研究人员评估模型在拒绝有害内容方面的能力，并通过图表展示不同模型的表现。

Hugging Face2024-06-23 更新210

Reasoning Bench (R-Bench)

R-Bench是一个用于评估语言和多媒体模型推理能力的高水平、多学科、英汉双语的基准数据集。它包含1094个语言模型评价问题和665个多模态模型测试问题，涵盖108个学科。这些问题经过精心挑选，确保难度校准、学科平衡和跨语言对齐，使其成为一项奥林匹克级的多学科基准。该数据集旨在解决现有推理基准在评估复杂推理能力方面的不足，特别是在多学科和多模态情境下。数据集的创建过程包括数据收集、筛选和改进等多个

arXiv2025-05-04 更新1170

π-BENCH

π-BENCH是一个用于长时程工作流中主动个人助理代理的基准测试，其中用户从非具体请求开始，重要需求在交互过程中逐渐显现。它包含100个多轮任务，覆盖5个特定领域角色（研究员、营销人员、药剂师、法律实习生、金融家），并将它们组织为持久工作空间中的多会话片段。该基准联合测量主动性（PROC）和完整性（COMP），PROC评估代理是否通过推理或集中引导早期解决隐藏意图以减少可避免的用户负担，COMP评

github2026-05-20 更新00

bench-llm/or-bench

OR-Bench是一个用于评估大型语言模型在拒绝有害提示和接受安全提示方面表现的数据集。它包含多个配置，如or-bench-80k、or-bench-hard-1k和or-bench-toxic，每个配置都包含prompt和category两个特征。数据集通过自动化流程生成看似有害的提示，并不断更新这些提示，以评估模型的表现。

Hugging Face2024-06-22 更新400

"A bench"

ID no.: MNK II-rz-1761 Museum: The National Museum in Kraków https://muzea.malopolska.pl/en/objects-list/2443 Digitalisation: Digitalisation: RDW MIC, Virtual Małopolska project Source: Objaverse

Zenodo2026-05-28 更新00