Rubric used to score AI chatbot responses to advanced prompts.

NIAID Data Ecosystem2026-05-02 收录

数据链接：

https://figshare.com/articles/dataset/Rubric_used_to_score_AI_chatbot_responses_to_advanced_prompts_/25774641 数据链接链接失效反馈

官方服务：

资源简介：

Rubric used to score AI chatbot responses to advanced prompts.

创建时间：

2024-05-08

DPR_Pm3B_U10_beta0.10g0.30gamma0.30

RLHF偏好学习

对话评估

该数据集包含多个配置版本，每个配置均包含100个文本样本。主要特征包括：提示文本（prompt）、优选回复（chosen）、劣选回复（rejected）、实际响应（response）以及对应的奖励分数（reward_score）和GPT评分（gpt_score）。数据集适用于对话系统评估、强化学习训练等任务，特别适合用于研究不同参数配置下模型输出的质量比较。所有配置版本均采用相同数据结构，但可能对

Hugging Face2026-04-26 更新130

ehzoah/ultrafeedback-curated-unified

对话评估

人工智能能力

该数据集是[Ultrafeedback Curated](https://huggingface.co/datasets/argilla/ultrafeedback-curated)的一个处理版本。每个示例包含一个提示（prompt）与一个响应（response）以及相应的反馈，反馈包括`helpfulness`（有用性）、`honesty`（诚实性）、`instruction_following

Hugging Face2024-07-05 更新90

USR-TopicalChat

对话评估

自然语言处理指标

收集该数据集的目的是评估对话评估指标。在论文 USR: An Unsupervised and Reference Free Evaluation Metric for Dialog (Mehri and Eskenazi, 2020) 中，作者收集了这些数据来衡量几个现有的基于词重叠和嵌入的指标的质量，以及他们新提出的USR 指标。

OpenXLab50

math-extraction-comp/internlm__internlm2_5-20b-chat

对话评估

答案质量基准测试

该数据集包含问题、答案、目标、预测等字符串类型的字段，以及与lighteval和harness评估工具相关的答案提取和分数字段。数据集分为训练集，大小为3836464字节，共有1324个示例。

Hugging Face2025-01-12 更新90

model2-test-results

对话评估

文本生成质量

该数据集包含3155个训练样本，总大小约20.1MB。每个样本由7个字段组成：system（字符串，系统指令）、user（字符串，用户输入）、gold_response（字符串，标准回答）、generated（字符串，生成内容）以及rouge1/rouge2/rougeL（浮点数，ROUGE评估分数）。数据集仅提供训练集划分，未说明具体应用场景或数据来源，但从字段命名推断可能用于对话系统响应生成的

Hugging Face2026-04-18 更新80

Rubric used to score AI chatbot responses to advanced prompts.

资源简介：

相关数据集