Performance of DeepSeek-R1 compared to similar models in Chinese benchmarks 2025

Statista2026-04-11 收录

数据链接：

https://www.statista.com/statistics/1552890/deepseek-performance-of-deepseek-r1-compared-to-similar-models-by-chinese-benchmark/数据链接链接失效反馈

官方服务：

资源简介：

Chinese language performance of DeepSeek R-1model and similar models in 2025, by benchmark

open-llm-leaderboard/details_grimjim__Mistral-7B-Instruct-demi-merge-v0.2-7B

语言模型评测

基准测试

该数据集是在Open LLM Leaderboard上对模型grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新结果。此外，results配置存储了所有运行的聚合结果，并用于

Hugging Face2024-03-27 更新190

fujiki/guanaco_ja

多语言自然语言处理

语言模型训练

这是Guanaco数据集的日语部分，包含了指令（instruction）、输入（input）和输出（output）三个特征。数据集分为训练集（train），包含110,633个示例，总大小为53,655,938字节。数据集的下载大小为30,465,845字节。

Hugging Face2023-07-16 更新140

CoffeeGitta/difficulty-aime_1983-2024-generations

数学研究

语言模型评测

该数据集是一个针对AIME（美国数学邀请赛，1983-2024年）问题的LLM生成解决方案集合。它包含多个模型（如Qwen2.5-Math、DeepSeek-R1、GPT-OSS-20B等）在不同配置下生成的数学问题解答，覆盖训练、验证和测试分割。数据集中每个条目包括问题陈述、生成的解决方案列表（带分数和成本信息）、成功率、多数投票正确性等字段，旨在用于研究LLM的失败预测，即通过生成前的激活来预

Hugging Face2026-05-25 更新100

duwuonline/UIT-VSMEC

情感分析

多语言自然语言处理

该数据集来自UIT（信息技术大学），包含7个类别：其他、厌恶、享受、愤怒、惊讶、悲伤、恐惧。数据集的语言为越南语，主要用于情感分类任务。

Hugging Face2023-08-28 更新160

TH-WordSim-353, TH-SimLex-999, TH-SemEval-500

多语言自然语言处理

词嵌入评估

本研究针对泰语创建了三个词相似度数据集，分别是TH-WordSim-353、TH-SimLex-999和TH-SemEval-500，总计包含1852个词对。这些数据集通过翻译和重新评分英文原版数据集WordSim-353、SimLex-999和SemEval-2017-Task-2而得。数据集涵盖不同难度、领域覆盖和相似性概念（相关性与相似性），旨在为泰语词嵌入模型提供全面的评估。创建过程中，通

arXiv2019-04-09 更新130

Performance of DeepSeek-R1 compared to similar models in Chinese benchmarks 2025

资源简介：

相关数据集