Supplemental Table S1. ChatGPT’s responses to CU questions

Mendeley Data2026-04-18 收录

医学问答评估

语言模型测试

数据链接：

https://data.mendeley.com/datasets/jrcbt5yb85 数据链接链接失效反馈

官方服务：

资源简介：

Supplemental Table S1. ChatGPT’s responses to CU questions

创建时间：

2024-04-22

LMentry

语言模型测试

基准评估

LMentry是一个专为大型语言模型设计的基准测试数据集，由特拉维夫大学创建。该数据集包含25个简单的语言任务，旨在快速评估模型的能力和鲁棒性。这些任务对人类来说非常简单，如包含特定单词的句子写作或识别列表中属于特定类别的单词。数据集创建过程中，每个任务都遵循了特定的指导原则，确保任务的简单性和可解释性。LMentry的应用领域主要集中在零样本评估，旨在解决大型语言模型在简单任务上的表现问题，以及

arXiv2022-12-19 更新1090

生成式人工智能（大语言模型）服务备案评估测试题

人工智能评估

语言模型测试

测试题的来源主要由公司自行采集和构建，针对业务场景与风险图谱进行系统性设计，涵盖数据安全、内容合规、伦理对齐等多个维度。同时，公司会结合公开基准、行业最佳实践及真实用户反馈，持续扩展和更新测试集，以全面提升评估的覆盖面和实效性。

安徽省数据知识产权登记平台2025-09-01 更新270

Detsutut/medmcqa-ita-filtered

医学问答评估

意大利语医学教育

该数据集是一个意大利语的多项选择题数据集，包含问题、选项、正确答案、解释、科目名称和主题名称等特征。数据集分为训练集、验证集和测试集，分别包含160209、2206和6150个样本。下载大小为89634015字节，数据集大小为128809523.82255061字节。

Hugging Face2024-07-03 更新110

Kaggle_LLM_Deberta