KillBench数据集是一个用于展示大型语言模型（LLMs）决策偏见的基准测试数据集。它通过年龄和职业的交叉乘积生成基准测试，包含自由文本和结构化运行的OpenRouter推理，以及通过OpenRouter的Gemini解析作为自由文本输出的规范解析层。数据集包含多个偏见维度，如国籍、宗教、肤色、体型等，每个测试在2种年龄和3种职业之间交叉相乘，并通过多次随机排序控制位置偏差。数据集还详细记录了

github2026-04-16 更新60

Attribute-device

联邦学习

公平性评估

该数据集是从属性隔离数据集中衍生出来的，通过将每个状态分割成六个子集，并对其进行抽样，以创建满足偏见约束的数据库。观察到的子集之间的偏见模式，继承了属性隔离设置中相应父状态数据集的偏见模式。该数据集适用于跨设备场景，其任务是评估联邦学习中的公平性。

arXiv160

SaketR1/bias-grpo-data

偏见检测

公平性评估

该数据集包含三个配置：bias-dpo、civil-comments和unqover。bias-dpo配置涉及多种社会偏见类别，如种族、性别、宗教、年龄、残疾、国籍、外貌、社会经济地位、性取向及其交叉类别（如种族与性别的交叉）。civil-comments配置主要关注评论的毒性，并包含训练集。unqover配置涵盖种族、性别和宗教类别。每个配置都有相应的特征和数据集划分。

Hugging Face2025-12-17 更新80

Area-wide Projects that Serve Communities of Concern

资源简介：

相关数据集