Comparative Experimental Results of Mainstream Models on ST-CMDS-PHONEME Dataset.

NIAID Data Ecosystem2026-05-02 收录

数据链接：

https://figshare.com/articles/dataset/Comparative_Experimental_Results_of_Mainstream_Models_on_ST-CMDS-PHONEME_Dataset_/29138085 数据链接链接失效反馈

官方服务：

资源简介：

Comparative Experimental Results of Mainstream Models on ST-CMDS-PHONEME Dataset.

创建时间：

2025-05-23

LLMs-First-Task

语言模型评估

认知科学

PI-LLM数据集用于评估大型语言模型（LLM）的工作记忆和上下文干扰能力。数据集由多个键值对组成，其中相同的键会被更新多次，模型需要为每个键检索最后一个值。由于早期信息会干扰最近信息的检索，因此数据集对LLM来说具有挑战性。README文件详细介绍了数据集的结构、评估任务以及使用各种SOTA LLMs观察到的结果。它还包括有关数据集规模、上下文长度的影响以及与认知科学的联系的信息。文件还提供了一

Hugging Face2025-09-06 更新440

APEACH

仇恨言论检测

语言模型评估

APEACH数据集是由Kakao Corp.等机构合作创建的，专注于韩国仇恨言论检测。该数据集包含约3770条实例，涵盖了多样化的主题和句子长度，旨在通过用户生成的内容减少与预训练语料库的词汇重叠，从而更准确地评估模型性能。创建过程中，采用了匿名付费工作者生成有毒表达的方式，并通过任务管理器进行后标记，确保数据质量。APEACH数据集的应用领域主要集中在评估预训练语言模型在仇恨言论检测中的性能，特

arXiv2022-10-26 更新200

dipudl/hc3-and-gpt-wiki-intro-with-perplexity-and-128-window

自然语言处理

语言模型评估

--- dataset_info: features: - name: prompt dtype: string - name: text dtype: string - name: source dtype: string - name: label dtype: int64 - name: perplexity dtype: fl

Hugging Face2024-02-08 更新150

HAERAE-HUB/HAE_RAE_BENCH_1.1

文化理解

语言模型评估

HAE_RAE_BENCH 1.1是一个旨在开发一系列评估任务的项目，这些任务用于测试模型对韩国文化和语境细微差别的理解。目前，它包括13个不同的任务，总计4900个实例。数据集包含多种选择题，涉及韩国标准术语、外来词、罕见词汇、文化知识、历史、日期理解、谚语去噪、歌词去噪、阅读理解、法律、地理和社会研究等多个领域。

Hugging Face2024-03-30 更新210

open-llm-leaderboard/details_ParasiticRogue__Merged-RP-Stew-V2-34B

语言模型评估

多领域知识

该数据集是在模型 ParasiticRogue/Merged-RP-Stew-V2-34B 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。数据集是从 1 次运行中生成的，每次运行在每个配置中表示为特定的分割，使用运行的时间戳命名。train 分割始终指向最新的结果。一个额外的配置 results 存储了所有运行的聚合

Hugging Face2024-04-15 更新170

Comparative Experimental Results of Mainstream Models on ST-CMDS-PHONEME Dataset.

资源简介：

相关数据集