Hit rates (%) and subjective ratings according to emotion, sex of the model and model’s race/ethnicity.

Figshare2018-12-27 更新2026-04-29 收录

数据链接：

https://figshare.com/articles/dataset/Hit_rates_and_subjective_ratings_according_to_emotion_sex_of_the_model_and_model_s_race_ethnicity_/7526132 数据链接链接失效反馈

官方服务：

资源简介：

Hit rates (%) and subjective ratings according to emotion, sex of the model and model’s race/ethnicity.

创建时间：

2018-12-27

VLBiasBench

视觉语言模型

偏见评估

VLBiasBench是一个大规模数据集，包含46,848张高质量合成图像，旨在全面评估大型视觉语言模型（LVLMs）中的社会偏见。数据集涵盖九种不同的社会偏见类别，包括年龄、残疾状态、性别、国籍、外貌、种族、宗教、职业、社会经济状态以及两种交叉偏见类别（种族×性别，种族×社会经济状态）。

github2024-06-14 更新1090

AMQA

医学问答

偏见评估

AMQA（对抗性医学问答数据集）是一个旨在评估大型语言模型（LLMs）在医学问答中的偏见的对抗性数据集。它包含了4,806个医疗问答对，这些问答对来源于美国执业医师考试（USMLE）数据集，并由多智能体框架生成不同的对抗性描述和问题对。AMQA允许对LLMs进行自动的大规模偏见评估，并揭示了不同社会群体间存在的系统性偏差。该数据集的构建过程包括临床案例过滤、对抗性变体构建和人工质量控制，以确保公平

arXiv2025-05-26 更新640

NLI-CoAL Bias Evaluation Dataset

自然语言处理

偏见评估

该数据集是为评估预训练语言模型在自然语言推理任务中的性别偏见而创建的。它包括用于模型评估的评估集和用于评估我们提出的偏见评估方法的元评估集。数据集提供了英语、日语和中文版本，包含三种类型的数据集：Pro-stereotypical (PS)、Anti-stereotypical (AS)和Non-stereotypical (NS)，用于评估模型在不同性别偏见场景下的表现。

github2024-05-18 更新360

DDI - Diverse Dermatology Images

皮肤病

偏见评估

Artificial intelligence (AI) may aid in triaging skin diseases. However, most AI models have not been rigorously assessed on images of diverse skin tones or uncommon diseases. To ascertain potential b

DataCite Commons2024-11-20 更新780

LLM-Bias-Evaluation

视觉语言模型

偏见评估

该数据集由首尔国立大学的研究人员创建，旨在评估大型语言模型（LLM）在事实性问题和具有争议性的问题上的表现，特别是当模型输出可能影响公众观点或强化主导叙事时。数据集包含事实性和争议性问答，涵盖四种语言和问题类型，共计344个样本。数据集分为两个阶段：第一阶段评估LLM在事实性问题上的一致性，第二阶段评估LLM在具有争议性的问题上的表现。该数据集可用于评估LLM在多语言环境下的行为，为未来LLM的部

arXiv2025-06-27 更新380

Hit rates (%) and subjective ratings according to emotion, sex of the model and model’s race/ethnicity.

资源简介：

相关数据集