IndicParam是一个研究生级别的基准测试，旨在评估大型语言模型（LLMs）对低资源和极低资源印度语言的理解能力。数据集包含来自官方UGC-NET语言试题和答案的13,207道多选题（MCQs），涵盖11种印度语言以及一个单独的梵语-英语混合代码集。这些题目分为语言理解（语言学、语法等）和常识（文学、文化、历史等）两大类。数据集支持多种任务，包括多选题回答、语言理解评估、常识评估和问题类型评估

Hugging Face2025-12-10 更新80

WorldArena

体现世界模型

基准测试

WorldArena是一个统一的基准测试，旨在系统地评估体现世界模型在感知和功能维度上的表现。它通过（1）视频感知质量，使用六个子维度的十六个指标进行测量；（2）体现任务功能，评估世界模型作为合成数据引擎、策略评估器和行动规划器的能力；（3）人类评估，包括整体质量、物理遵循、指令遵循和头对头胜率。此外，还提出了EWMScore，一个将多维性能整合为单个可解释指数的整体指标。这项工作为跟踪体现AI中

github2026-02-27 更新550

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

GraphRAG-Bench

资源简介：

相关数据集