ML vs DL results comparison based on average performance metrics.

Figshare2021-02-03 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/ML_vs_DL_results_comparison_based_on_average_performance_metrics_/13707741 数据链接链接失效反馈

官方服务：

资源简介：

The metric ‘Accuracy’ refers to LOOCV accuracy.

创建时间：

2021-02-03

autoevaluate/autoeval-staging-eval-glue-mrpc-e15d1b-14665994

自然语言处理

机器学习模型评估

该数据集包含由AutoTrain生成的模型预测结果，用于自然语言推理任务。使用的模型是sgugger/glue-mrpc，数据集为glue的mrpc配置，数据分割为验证集。

Hugging Face2022-08-31 更新70

aisi-whitebox/wmdp_cyber_cot_prompted-sandbagging-llama_33_70b_instruct

机器学习模型评估

欺骗检测

这是一个使用vllm/meta-llama/Llama-3.3-70B-Instruct模型创建的，针对deception_sprint/wmdp_cyber任务的检测数据集。数据集包含了良性和恶意两种提示，用于评估AI模型在对抗环境下的性能。数据集的创建日期为2025年4月24日，共有500个样本对，其中正常准确率为60.8%，沙袋策略（sandbagging）准确率为60.0%。数据集没有应用

Hugging Face2025-04-24 更新50

Performance of a 10-fold cross-validation for MARS, RF and SVM applied on function coefficients of a 3rd degree polynomial (f1 for SOC and BD with four coefficients) and natural logarithmic function (f3 for BD with two coefficients).

机器学习模型评估

函数系数预测

Figshare2019-08-20 更新20

CVasNLPExperiments/VQAv2_sample_validation_google_flan_t5_xxl_mode_T_A_D_PNP_FILTER_C_Q_rices_ns_1000

视觉问答

机器学习模型评估

--- dataset_info: features: - name: id dtype: int64 - name: prompt sequence: string - name: question dtype: string - name: true_label sequence: string - name: prediction

Hugging Face2023-03-16 更新70

Prediction of publication quality: ML-related vs. ML-unrelated projects.

学术出版质量评价

机器学习模型评估

Prediction of publication quality: ML-related vs. ML-unrelated projects.

NIAID Data Ecosystem30