Textage Dataset

kaggle2025-05-17 更新2025-08-16 收录

语言年龄预测

LLM评估

数据链接：

https://www.kaggle.com/datasets/rushikeshhiray/textage-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Are LLM's good language age predictors ?

大语言模型是否是优秀的语言年龄预测指标？

创建时间：

2025-05-17

coseal/codal-bench

代码生成

LLM评估

CODAL-Bench是一个包含500个随机样本的基准测试，这些样本来自CodeUltraFeedback数据集。该基准测试包括多个封闭源大型语言模型（LLM）的响应，这些响应可以作为使用LLM-as-a-Judge评估其他LLM时的参考。涉及的LLM包括OpenAI的GPT-3.5-Turbo和GPT-4-Turbo，以及Anthropic的Claude-3-sonnet-20240229。此基

Hugging Face2024-03-18 更新180

mteb/llm-eval-news_classification

新闻分类

LLM评估

--- dataset_info: features: - name: text dtype: string - name: label dtype: class_label: names: '0': World '1': Sports '2': Business

Hugging Face2026-03-08 更新90

heihei/llm-psychometric-response-style

LLM评估

人格反应风格

--- license: cc-by-4.0 task_categories: - text-classification - tabular-classification language: - en tags: - llm-psychology - personality-assessment - response-style - psychometric -

Hugging Face2026-04-01 更新40

Nutanix/CPP-UNITTEST-BENCH

C++单元测试

LLM评估

该数据集包含了从GitHub上收集的C++代码片段及其对应的单元测试。它主要用于辅助自动化测试工具、代码质量分析以及用于测试生成的LLM模型的发展和评估。

Hugging Face2024-11-24 更新110

Khawn2u/Fixberry

字母计数任务

LLM评估

FixBerry是一个小型数据集，旨在训练模型正确计算单词中的字母数量。作者指出，即使是目前最好的大型语言模型（LLMs）在计算某些单词中的特定字母数量时也会失败，例如strawberry中的R数量。作者还提到，模型在处理某些单词时存在问题，如keeper和parallel，但在处理其他单词如pepper和peeper时却没有问题。作者怀疑这可能与分词（tokenization）有关，即模型可能每

Hugging Face2024-10-13 更新50

Textage Dataset

资源简介：

相关数据集