openai/frontierscience

Name: openai/frontierscience
Creator: openai
Published: 2025-12-20T01:23:12+08:00

Hugging Face2025-12-16 更新2025-12-20 收录

AI评估

科学任务

数据链接：

https://hf-mirror.com/datasets/openai/frontierscience 数据链接链接失效反馈

官方服务：

资源简介：

用于FrontierScience的数据集，旨在评估AI执行专家级科学任务的能力。

Dataset for FrontierScience: Evaluating AIs Ability to Perform Expert-Level Scientific Tasks.

提供机构：

openai

openai/openai_humaneval

代码生成

Python编程

OpenAI HumanEval数据集是一个用于代码生成任务的数据集，包含164个编程问题。这些问题由OpenAI的工程师和研究人员手工编写，以确保它们不会出现在代码生成模型的训练集中。数据集的结构包括任务ID、提示、规范解决方案、测试代码和入口点。数据集仅包含一个测试集，且所有问题都是用Python编写的，注释和文档字符串中包含英文自然文本。

Hugging Face2024-01-04 更新3140

stevenfan/AIGCBench_v1.0

视频生成

AI评估

AIGCBench v1.0数据集是一个新颖且全面的基准，旨在评估最先进的视频生成算法的能力。该数据集用于论文《AIGCBench: Comprehensive Evaluation of Image-to-Video Content Generated by AI》的官方数据集。数据集包括图像-文本对和视频-文本对，分为三个部分：自定义生成的图像-文本样本、WebVid val数据集的1000个

Hugging Face2024-01-24 更新1050

JetBrains-Research/template-generation

项目模板生成

AI评估

该数据集是一个用于AI代理评估的项目模板生成基准数据集。它包含了从GitHub收集的真实项目模板，提供了项目描述、README.md文件内容、项目链接以及GitHub仓库的额外数据和指标。数据集经过精心筛选、增强和手动标注，确保了数据质量，并提供了多个类别（如Python、Java、Kotlin、Android）和分割（如dev、test、train）。数据集的主要用途是评估项目模板生成方法，并提

Hugging Face2024-09-03 更新240

CVE-Bench

网络安全

AI评估

CVE-Bench是一个基准测试数据集，用于评估AI代理在现实世界Web应用程序漏洞利用方面的能力。该数据集包含40个严重级别的常见漏洞和暴露（CVE），并提供了参考自动漏洞利用方法。

github2025-03-12 更新1430

JetBrains/git_good_bench-lite

Git操作

AI评估

GitGoodBench Lite是一个包含120个样本的子集，用于评估AI代理在解决git任务中的性能（见支持的场景）。数据集中的样本均匀地分布在Python、Java和Kotlin三种编程语言以及合并冲突解决和文件提交语法两种样本类型之间。每个样本类型和编程语言都有20个样本。数据集中的所有数据都是从100个独特的、具有宽松许可的开源GitHub仓库中收集的，这些仓库拥有至少1000个星标、至

Hugging Face2025-11-18 更新280

openai/frontierscience

资源简介：

相关数据集