AI Psychotherapy Eval

kaggle2026-02-24 更新2026-03-21 收录

下载链接：

https://www.kaggle.com/datasets/steeni/ai-psychotherapy-eval

下载链接

链接失效反馈

官方服务：

资源简介：

Assessing Risks of Large Language Models in Mental Health Support

创建时间：

2026-02-24

eval_stationary_ai

该数据集为HuggingFace LeRobot格式机器人数据集。

Hugging Face2025-05-16 更新20

Limitus/agentic-ai-eval

Limitus开发的AI代理基准数据集，用于评估代理在处理具有不同步骤数量、持续时间和特定排序约束的多样化任务时的性能。数据集包含动态元素，如资源限制、工具依赖和时间敏感操作，以测试代理在面对变化场景时的适应性。性能通过多个指标进行评估，包括节点F1分数、工具F1分数、结构相似性指数、节点标签相似度和图编辑距离。

Hugging Face2025-01-09 更新20

AI71ai/agrillm-qa-eval-800

agrillm-qa-eval-800是一个高质量评估数据集，专注于农业知识和推理。该数据集由ai71与CGIAR、ECHO、Digital Green等农业领域的领先组织合作创建，旨在作为评估农业领域大型语言模型（LLMs）和农业相关RAG应用及AI代理的开放基准。数据集包含800个精选样本，分为人类专家生成的Q&A对和通过LLMs从农业文档中提取的合成Q&A对。数据集结构包含三列：系统提示、用

Hugging Face2025-12-11 更新40

RAG_Eval_on_AI_Papers_Dataset

该数据集包含了文档块（chunk）、问题（question）、答案（answer）、标题（title）和小节标题（headings）等字段的信息。数据集被划分为训练集，大小为6019008字节，共有4119个示例。数据集的下载大小为669078字节。

Hugging Face2025-06-22 更新00

ai-safety-institute/eval_sandbagger_ood_eval

Math Sandbagger — 分布外评估数据集包含100个提示（每个子类别20个，共5个子类别），用于评估经过微调的数学沙袋模型（如`ai-safety-institute/Qwen3.5-27B-eval_sandbagger`和`ai-safety-institute/Qwen3.6-27B-eval_sandbagger`）是否在分布外提示上启动了沙袋决策过程。沙袋系统提示模型在英语数

Hugging Face2026-05-08 更新00