SP results of algorithms in the CEC 2009 test functions.

Figshare2025-07-29 更新2026-04-28 收录

进化算法性能评测

多任务基准测试

数据链接：

https://figshare.com/articles/dataset/SP_results_of_algorithms_in_the_CEC_2009_test_functions_/29668350 数据链接链接失效反馈

官方服务：

资源简介：

SP results of algorithms in the CEC 2009 test functions.

创建时间：

2025-07-29

open-llm-leaderboard/details_MaziyarPanahi__Llama-3-8B-Instruct-v0.3

大语言模型评测

多任务基准测试

该数据集是在Open LLM Leaderboard上对模型MaziyarPanahi/Llama-3-8B-Instruct-v0.3进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集由3次运行创建，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于

Hugging Face2024-05-07 更新230

open-llm-leaderboard/details_Josephgflowers__Tinyllama-1.5B-Cinder-Test-6

语言模型评测

多任务基准测试

该数据集是在评估模型Josephgflowers/Tinyllama-1.5B-Cinder-Test-6时自动生成的，主要用于Open LLM Leaderboard的评估任务。数据集包含63个配置，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果存储为特定的split，split的名称使用运行的时间戳。train split始终指向最新的结果。此外，数据集还包含一个名为resul

Hugging Face2024-04-16 更新190

open-llm-leaderboard/details_MiniMoog__Mergerix-7b-v0.5

大型语言模型评估

多任务基准测试

该数据集是在模型MiniMoog/Mergerix-7b-v0.5评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

Hugging Face2024-04-03 更新110

open-llm-leaderboard/details_Inv__Konstanta-Gamma-V2-9B

大型语言模型评估

多任务基准测试

该数据集是在模型Inv/Konstanta-Gamma-V2-9B在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个被评估的任务。它包含了1次运行的结果，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderbo

Hugging Face2024-03-24 更新200

UniClawBench

AI代理

多任务基准测试

UniClawBench是由香港大学多媒体实验室与美团联合创建的首个能力驱动基准测试数据集，旨在动态真实世界环境中评估主动式智能体。该数据集包含400个双语任务，覆盖多模态理解、长上下文推理、技能使用、探索和跨平台协调五大核心能力，数据来源于手动设计的真实日常使用场景，并运行于配备实时软件和浏览器的Docker容器中。数据集的创建过程通过细粒度逐步完成检查点和隐藏评估标准，确保在缺乏稳定基准真相的

arXiv2026-07-10 更新140

SP results of algorithms in the CEC 2009 test functions.

资源简介：

相关数据集