ScaleAI/BioRiskEval
收藏Hugging Face2025-09-19 更新2025-10-25 收录
下载链接：
https://hf-mirror.com/datasets/ScaleAI/BioRiskEval
下载链接
链接失效反馈官方服务：
资源简介：
---
license: cc-by-nc-4.0
---
应用场景：
提供机构：
ScaleAI相关数据集
ScaleAI/lhaw
--- language: - en license: cc-by-4.0 pretty_name: LHAW Benchmark tags: - agents - long-horizon - ambiguity - clarification task_categories: - text-generation - question-answering --- # Dataset Card
Hugging Face2026-03-20 更新00
ScaleAI/aspi
ASPI（Ambiguous State Prompt Injection）是一个基准测试数据集，用于衡量大型语言模型（LLM）代理在澄清状态下对提示注入攻击的脆弱性。它扩展了AgentDojo（v1.2.2），采用8条件设计，涵盖状态（执行vs澄清）、通道（工具输出vs首次用户vs后续用户）和包装器（原始攻击者文本vs ImportantInstructionsAttack包装），以配对比较状态
Hugging Face2026-05-15 更新00
ScaleAI/SciPredict
SciPredict是一个基准测试数据集，用于评估AI系统在物理、生物和化学领域预测实验结果的能力。该数据集包含405个问题，这些问题来源于2025年3月后发表的实证研究，覆盖了33个子领域。数据集结构包括问题数量（405个问题，5,716行包含模型响应）、领域分布（物理9个子领域，化学10个子领域，生物14个子领域）和问题格式（多选题、自由格式、数值题）。关键字段包括科学领域、具体领域、问题格式
Hugging Face2026-01-15 更新70
ScaleAI/VisualToolBench
VisuAlToolBench是一个评估工具增强型视觉感知、转换和推理在多模态大型语言模型中的挑战性基准数据集。该数据集包含单轮和多轮任务，跨越不同领域，每个任务都配备了详细的评分标准，用于评估模型是否能够通过操作图像并结合通用工具来解决复杂问题。
Hugging Face2025-12-16 更新30
ScaleAI/PRBench
PRBench是一个大规模专家评分量表数据集，包含金融和法务领域的1100场由专家撰写的对话，以及每个任务19,356条专家策划的评分量表标准。数据集覆盖了114个国家，47个美国司法管辖区，以及25个专业主题。此外，还包括代表最困难任务的金融-300和法务-250子集。
Hugging Face2026-01-15 更新370
