Prediction results for human experts and the AI model for the GAR test area.

NIAID Data Ecosystem2026-05-02 收录

数据链接：

https://figshare.com/articles/dataset/Prediction_results_for_human_experts_and_the_AI_model_for_the_GAR_test_area_/28671877 数据链接链接失效反馈

官方服务：

资源简介：

Prediction results for human experts and the AI model for the GAR test area.

创建时间：

2025-03-26

SOL-ExecBench

GPU优化

AI性能评估

SOL-ExecBench是由英伟达团队构建的GPU内核优化基准数据集，包含从124个生产级及新兴AI模型中提取的235个CUDA内核优化问题，覆盖语言、扩散、视觉、音频、视频及混合架构领域。数据集针对NVIDIA Blackwell GPU设计，包含BF16、FP8和NVFP4精度下的前向与反向计算任务，其核心创新在于以硬件速度极限（Speed-of-Light）作为性能评估标准而非传统软件基线

arXiv2026-03-20 更新690

lmarena-ai/search-arena-v1-7k

AI性能评估

搜索技术

该数据集包含了2025年3月18日至2025年4月13日从Search Arena平台收集的7000个排行榜对话投票。每个数据点包含两个模型响应消息、人类投票结果、时间戳以及完整的系统元数据。数据集旨在评估搜索启用的AI性能。

Hugging Face2025-04-14 更新120

FAIRsharing record for: Algorithm Selection Library

算法基准测试

AI性能评估

This FAIRsharing record describes: A benchmark library for algorithm selection problems in AI, with a standard data format and tools to work with the format. This record describes the project reposit

DataCite Commons2024-12-05 更新50

minfeng-ai/leetcode_preference

编程问题

AI性能评估

该数据集用于支持基于Direct Preference Optimization（DPO）的实验，该优化方法在论文《Direct Preference Optimization: Your Language Model is Secretly a Reward Model》中有详细介绍。数据集包含由CodeLLaMA-7b生成的每道LeetCode问题的两个独特解决方案，这些解决方案由人类专家根据

Hugging Face2023-09-06 更新310

siro1/backendbench-qwen-qwen3-coder

代码生成

AI性能评估

该数据集包含408个训练示例，每个示例具有多个特征，包括example_id、prompt（包含内容和角色）、completion、task、reward以及各种性能指标（如test_accuracy、perf_accuracy等）。数据集的结构还包含info字段，其中包含answer、env_responses、model_responses等详细信息。数据集的总大小为17,701,010字节，

Hugging Face2025-12-14 更新110

Prediction results for human experts and the AI model for the GAR test area.

资源简介：

相关数据集