Agent Security Bench (ASB) 是一个面向LLM代理安全性的综合性基准框架，涵盖电子商务、自动驾驶、金融等10个场景，涉及10类代理、400余种工具与任务，集成23种攻击/防御方法及7项评估指标。数据集系统评估代理在多场景下的安全脆弱性与防御效能，支撑对提示注入、越权访问等典型攻击的测试。其主要应用于LLM代理的安全性基准评测，助力研发更鲁棒、可靠的智能代理系统。

库帕思2025-12-22 更新150

open-llm-leaderboard/details_chlee10__T3Q-Platypus-Mistral7B

大型语言模型评估

基准测试

该数据集是在评估模型chlee10/T3Q-Platypus-Mistral7B时自动生成的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。

Hugging Face2024-03-12 更新90

RL Unplugged

离线强化学习

基准测试

RL Unplugged是由DeepMind创建的一套用于离线强化学习方法评估的基准套件。该数据集涵盖了从Atari游戏到模拟运动控制问题等多个领域的数据，包括部分或完全可观察的领域、连续或离散的动作空间以及随机与确定性的动态。数据集旨在通过详细的评估协议，促进离线RL方法的研究和比较，提高实验的可重复性，并使RL研究对更广泛的社区更加系统和可访问。

arXiv2021-02-13 更新220

International land Model Benchmarking (ILAMB) Package v001.00

陆地模型

基准测试

As a contribution to International Land Model Benchmarking (ILAMB) Project, we are providing new analysis approaches, benchmarking tools, and science leadership. The goal of ILAMB is to assess and imp

DataCite Commons2021-07-15 更新110

ICPM 2024 Paper Stack Code [phduc207]

资源简介：

相关数据集