LLM 20 Questions - Wikipedia Context

kaggle2024-08-15 更新2024-11-16 收录

视觉语言模型

问答游戏

数据链接：

https://www.kaggle.com/datasets/isakatsuyoshi/llm-20-questions-wikipedia-context 数据链接链接失效反馈

官方服务：

资源简介：

9th place - LLM 20 Questions

第九名 - 大语言模型20个问题

创建时间：

2024-08-15

UCFE: User-Centric Financial Expertise Benchmark

金融

视觉语言模型

UCFE: User-Centric Financial Expertise Benchmark 是一个用于评估大型语言模型（LLMs）处理复杂金融任务能力的创新框架。该数据集由香港中文大学深圳分校和南京大学等机构创建，包含330个数据点，涵盖多种用户意图和交互。数据集的创建基于804名参与者的用户研究反馈，旨在模拟金融场景中的复杂交互。UCFE数据集主要用于评估LLMs在金融领域的应用，特别是其

arXiv2024-10-22 更新740

Food Quiz

食物知识

问答游戏

A multiple choice quiz game focusing on food with 5 levels and 15 questions each

RapidAPI2023-06-15 更新120

BeHonest

视觉语言模型

诚实性评估

BeHonest是一个开创性的基准测试，专门设计用于全面评估大型语言模型（LLM）的诚实性。BeHonest评估诚实性的三个基本方面：知识边界的意识（自我知识）、避免欺骗（非欺骗性）和响应的一致性（一致性）。该基准支持10种场景，包括承认未知、表达已知、角色迎合、偏好迎合、盗窃欺骗测试、游戏、提示格式、演示格式、开放形式一致性和多选一致性。每个场景都有特定的数据文件和拆分与之关联。数据集属于问答任

Hugging Face2024-06-29 更新100

Multimodal C4 (mmc4)

多模态数据

视觉语言模型

Multimodal C4 (mmc4)是由University of California, Santa Barbara等机构开发的开放式十亿规模图像与文本交错数据集。该数据集通过线性分配算法，利用CLIP特征将图像嵌入到c4文本数据集中，覆盖烹饪、旅行、技术等多个日常主题。经过过滤不适当内容后，数据集包含1.012亿文档，其中交错嵌入了5.71亿图像和430亿英语词汇。mmc4旨在支持复杂的视

arXiv2023-10-28 更新470

Magpie-Align/Magpie-Reasoning-V2-250K-CoT-Llama3

视觉语言模型

指令对齐

Magpie是一个包含指令-响应对的数据集，由Meta的Llama 3.1和3.3 70B Instruct模型生成。数据集经过筛选，专门针对包含链式思维（CoT）模式的数据。它包含了关于指令的多个属性，如输入质量、难度、语言和任务类别等。

Hugging Face2025-01-27 更新100