TinyGPT-Test

kaggle2025-10-26 更新2025-12-06 收录

指令微调

语言模型评估

数据链接：

https://www.kaggle.com/datasets/antonintomecek/tinygpt-test 数据链接链接失效反馈

官方服务：

资源简介：

Instruction based Dataset

基于指令的数据集（Instruction based Dataset）

创建时间：

2025-10-26

Flan V2

指令微调

多任务指令

Flan Collection 将 Flan 2021、P3、Super-Natural Instructions 的数据集以及数十个数据集编译到一个地方，将它们格式化为零样本、少样本和思维链模板的混合体，然后将它们混合在正如 Scaling Flan 论文和 Flan Collection 论文中针对 Flan-T5 和 Flan-PaLM 所报告的那样，发现在保留的评估基准上取得了很好结果的

OpenXLab50

atreydesai/augmented-mcqa-gpt-choices-only

多项选择

语言模型评估

--- dataset_info: - config_name: vllm_Qwen_Qwen3-4B-Instruct-2507 features: - name: id dtype: string - name: question_id dtype: int64 - name: dataset_type dtype: string - name: r

Hugging Face2026-04-03 更新30

sapiens-technology/global_mmlu_lite

语言模型评估

多领域推理

Global-MMLU Lite数据集是一个轻量级的基准测试，用于评估大型语言模型在多个领域的表现。它是Global Massive Multitask Language Understanding (MMLU)基准的一个精选子集，旨在减少计算开销，同时保持多样性和严谨性。该数据集包含跨多个学术和专业领域的多项选择题问答任务，采用简单的JSON结构，便于集成。其广泛的领域覆盖包括科学、数学、历史、

Hugging Face2026-05-01 更新20

miladalsh/docent-val-Qwen3-VL-8B-Instruct-bbox-w-text_no_ref

细粒度图像编辑

语言模型评估

--- dataset_info: features: - name: uuid dtype: string - name: step dtype: int64 - name: items list: string - name: segment_ids list: int64 - name: segment_positions li

Hugging Face2026-04-09 更新40

ai-coscientist/researcher-ablation-judge-eval

科学实验消融规划

语言模型评估

该数据集旨在评估ResearcherAblationBench的评判框架，这是AblationBench评估套件的一部分，用于评估LMs在消元计划中的表现。数据集的语言为英语。

Hugging Face2025-05-15 更新30