Replication Data for: The Robustness Dashboard

Name: Replication Data for: The Robustness Dashboard
Creator: RWI - Leibniz Institute for Economic Research; RWI – Leibniz Institute for Economic Research; Ottawa University
Published: 2025-01-01T00:00:00+08:00

Harvard Dataverse2025-01-01 更新2026-04-09 收录

模型鲁棒性评估

对抗性测试

数据链接：

https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/ZVI4OW 数据链接链接失效反馈

官方服务：

资源简介：

This dataset reproduces the results for Bensch et al. (2025): The Robustness Dashboard

提供机构：

RWI - Leibniz Institute for Economic Research; RWI – Leibniz Institute for Economic Research; Ottawa University

创建时间：

2025-01-01

ibm/AttaQ

语言模型安全评估

对抗性测试

--- license: mit language: en multilinguality: monolingual source_datasets: extended|Anthropic/hh-rlhf task_categories: - text-generation - text2text-generation size_categories: - 1K<n<10K tags: - saf

Hugging Face2024-01-26 更新2150

giskardai/do-not-answer-scenarios

大型语言模型安全评估

对抗性测试

Do-Not-Answer Scenarios数据集是从Do-Not-Answer数据集派生的拒绝评估场景，序列化为giskard Scenario对象（每行一个JSON对象）。每行包含一个对齐良好的助手应拒绝的问题，并配有一个Conformity检查，用于断言代理是否拒绝或安全地拒绝。数据集包含939个场景，涵盖5个风险区域和12种伤害类型，仅用于评估（无训练数据）。

Hugging Face2026-06-19 更新90

ServiceNow-AI/DNRBench

视觉语言模型

对抗性测试

DNR Bench数据集是一个新颖的基准测试，旨在揭示当前大型语言模型（RLM）的一个漏洞：它们在尝试解决无法解决的问题时倾向于过度推理，导致响应过长。该数据集包含150个对抗性构建的提示，分为五个不同的类别：虚构参照、无关紧要、数学问题、冗余信息和无法回答的问题。每个类别都是为了针对推理优化的大语言模型中观察到的特定失败模式而设计的。

Hugging Face2025-04-18 更新80

aimo-interp-challenge-sample-full

模型鲁棒性评估

排列扰动测试

该数据集用于评估模型在问题（或任务）排列下的性能变化，旨在分析排列操作对模型准确率的影响。数据包含多个特征字段，如模型ID（model_id）、数据集ID（dataset_id）、问题ID（problem_id）、原始问题（original_problem）、排列类型（permutation_type）、排列来源（permutation_source）、基准准确率（base_accuracy）、排

Hugging Face2026-05-14 更新120

DroneVehicle-C

无人机车辆检测

模型鲁棒性评估

DroneVehicle-C 是一个基于 DroneVehicle 数据集测试集生成的破坏版本数据集，旨在为无人机平台下的多模态（RGB 与热红外 TIR）车辆检测任务提供一个鲁棒性基准测试平台。该数据集通过对原始测试集图像施加多种系统性的破坏来模拟真实世界中的传感器退化或恶劣环境条件。数据集中包含 23 种不同的破坏条件，分为两大类：RGB 图像破坏（同时 TIR 图像保持干净）和 TIR 图像

Hugging Face2026-06-20 更新80

Replication Data for: The Robustness Dashboard

资源简介：

相关数据集