Unmatched test scores in five noise sources at all SNRs.

NIAID Data Ecosystem2026-05-01 收录

鲁棒性测试

语音识别评估

数据链接：

https://figshare.com/articles/dataset/Unmatched_test_scores_in_five_noise_sources_at_all_SNRs_/22804038 数据链接链接失效反馈

官方服务：

资源简介：

The results are averaged over all testing utterances.

创建时间：

2023-05-11

AutoElicit-Bench

计算机安全

鲁棒性测试

AutoElicit-Bench 是一个包含117条人工验证的扰动指令的基准数据集，用于评估计算机使用代理（CUAs）在面临意外行为时的鲁棒性。这些扰动指令通过AutoElicit框架从Claude 4.5 Haiku（50条）和Claude 4.5 Opus（67条）模型中成功诱发，均基于OSWorld任务进行最小化修改，旨在触发非恶意意图下的不安全行为。数据集包含以下字段：任务ID（task_

Hugging Face2026-02-10 更新250

PPTC-R

自然语言处理

鲁棒性测试

PPTC-R数据集由北京大学和微软亚洲研究院共同创建，旨在评估大型语言模型在完成复杂PPT任务时的鲁棒性。数据集包含279个多轮对话会话，每个会话涉及创建新幻灯片和编辑现有PPT模板任务。通过模拟用户指令在句子、语义和多语言层面的对抗性扰动，以及软件版本变化对API可用性的影响，数据集设计了多种鲁棒性测试场景。该数据集的应用领域主要集中在提高语言模型在实际用户场景中的任务完成性能，特别是在面对多重

arXiv2024-03-06 更新150

Results of speech recognition and speech and language development outcome.

语音识别评估

语言发展评估

Results of speech recognition and speech and language development outcome.

NIAID Data Ecosystem60

2023基于室内图像与文本目标、图像与描述文本的词级扰动稳定性测试（C2C-R）数据集

指代表达式

鲁棒性测试

该数据集在2023年提出，是一个由多场景多类别图片和以指代目标为中心的指代表达文本组成的指代表达理解鲁棒性测试数据集。该数据集共包含223个图像，总共338个鲁棒性测试样例。其中，鲁棒性样例被分为文本变化而指代目标变化（Change2Change, C2C）和文本变化而指代目标不变（Change2Remain, C2R）两部分。具体来说，对于原有的这338个指代表达理解任务的数据样例，我们对指代表

国家基础学科公共科学数据中心180

eval-parakeet-tdt-0.6b-v3-multimed-hard-20260408-1930

语音识别评估

实体识别

该数据集包含 Whisper 模型在特定评估数据集上的评测结果，主要用于语音转文本（speech-to-text）任务的性能评估。数据集包含音频样本（如源数据集提供）、参考转录文本、模型预测文本、词错误率（WER）和字符错误率（CER）等字段。特别地，数据集还包含实体标注信息（如解剖学、生物标志物、条件、药物、组织和程序等类别）及相应的实体字符错误率（Entity CER）。整体实体字符错误率为2

Hugging Face2026-04-09 更新110

Unmatched test scores in five noise sources at all SNRs.

资源简介：

相关数据集