首页/数据集/AI alignment with human judgements on the moral permissibility task in 2023

AI alignment with human judgements on the moral permissibility task in 2023

Statista2026-04-25 收录

AI价值对齐

推理评估

数据链接：

https://www.statista.com/statistics/1465346/ai-human-judgements-on-moral-permissibility/数据链接链接失效反馈

官方服务：

资源简介：

Zero-shot artificial intelligence (AI) alignment with human judgments on the moral permissibility task, discrete agreement in 2023

应用场景：

逻辑推理问答

推理评估

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* dataset_info: featur

Hugging Face2024-01-11 更新160

数学问题求解

推理评估

该数据集涉及两个数学问题集：MATH100用作源材料，由Qwen3-30B-A3B-Thinking模型处理生成150个思维链（CoTs），输出保存为raw_cots.jsonl文件；AIME 2025包含15个问题，用作评估推理时激活控制技术的测试集。README未提供数据集的背景、具体内容、规模或字段结构描述，仅作为项目工作流程的输入和输出文件。

Hugging Face2026-05-14 更新120

R-Bench/R-Bench-V

推理评估

多模态任务

R-Bench-V是一个以多模态输出为中心的视觉推理模型评估数据集，包含数学、物理、计数和游戏四个类别，共有803个问题。这些问题需要图像操作来支持推理过程。

Hugging Face2025-05-16 更新90

K12-PEBench

教育评估

推理评估

该数据集名为K12-PEBench，是一个高质量、由人工标注的基准评测数据集，旨在评估基于从K12-PEM-800K中选取的大约3000个样本的推理过程评估能力。此外，该数据集还涉及由验证团队进行的手动标注，以评估推理步骤的正确性并识别错误类型，其任务是对推理过程的准确性和错误识别进行评估。

arXiv160

K-and-K/perturbed-knights-and-knaves

推理评估

语言模型鲁棒性

--- license: cc-by-nc-sa-4.0 task_categories: - question-answering language: - en configs: - config_name: train data_files: - split: perturbed_leaf path: - train/perturbed_leaf/people2_num

Hugging Face2024-10-31 更新120

AI alignment with human judgements on the moral permissibility task in 2023

资源简介：

相关数据集