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

swap-uniba/bbh_ita

自然语言处理

语言模型评估

BBH数据集专注于23个具有挑战性的BIG-Bench任务，这些任务被称为BIG-Bench Hard (BBH)。这些任务在之前的语言模型评估中未能超越人类评分者的平均表现。研究发现，应用链式思维（CoT）提示到BBH任务中，使得PaLM在23个任务中的10个任务上超越了人类评分者的平均表现，Codex (code-davinci-002)在23个任务中的17个任务上超越了人类评分者的平均表现。

Hugging Face2024-01-19 更新480

Geraldine/Ead-Instruct-16k

自然语言处理

指令微调

该数据集包含16161个训练样本，每个样本具有index、tag、strategy、prompt和completion五个特征，数据类型分别为int64和string。数据集总大小为4813570字节，下载大小为1399394字节。

Hugging Face2024-12-15 更新160

QCRI/AraDiCE-TruthfulQA

语言模型评估

阿拉伯语方言处理

--- license: cc-by-nc-sa-4.0 pretty_name: 'AraDiCE -- TruthfulQA' dataset_info: - config_name: TruthfulQA-eng splits: - name: test num_examples: 780 - config_name: TruthfulQA-msa

Hugging Face2024-11-04 更新140

ParamBench

语言模型评估

印度教育

ParamBench是一个全面的毕业级别基准，旨在评估大型语言模型（LLM）对印度科目知识的理解。该数据集包含17,275个印地语多项选择题，涵盖印度竞争性考试的21个不同科目。

Hugging Face2025-11-03 更新190

PKU-Alignment/Flames-1k-Chinese

语言模型评估

伦理与安全性

FLAMES是一个中文大型语言模型价值对齐的基准数据集，用于评估模型在数据保护、公平性、合法性、道德性和安全性五个方面的表现。

Hugging Face2025-02-07 更新160