bengai_utils

该数据集是从经过精炼的Alpaca数据集中筛选出的与安全相关的（提示，回应）对，用于衡量模型在多个任务中的零样本准确性。这些任务包括BoolQ、RTE、HellaSwag、WinoGrande、ARC容易和挑战难度，以及OpenbookQA。该数据集旨在评估模型对各种任务回应的实用性。