Music Learning Performance Dataset

kaggle2025-09-23 更新2025-10-25 收录

音乐教育

人工智能评估

数据链接：

https://www.kaggle.com/datasets/zyan1999/music-learning-performance-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Learner Metrics and Progress for AI Assessment

面向人工智能测评的学习者指标与学习进度

创建时间：

2025-09-23

OmniEarth-Bench

地球系统科学

人工智能评估

OmniEarth-Bench是第一个全面覆盖地球科学六大圈层（大气圈、岩石圈、海洋圈、冰冻圈、生物圈和人类活动圈）及跨圈层交互的多模态基准数据集，包含一百个专家策划的评价维度。数据集利用卫星传感器和现场测量的观测数据，整合了29,779个标注，涵盖四个层次：感知、一般推理、科学知识推理和思维链（CoT）推理。

github2025-05-30 更新510

CosmoPaperQA

宇宙学

人工智能评估

CosmoPaperQA是一个专为测试AI RAG（检索增强生成）在宇宙学研究应用中表现而设计的数据集。该数据集还包括一个名为Embed_AI的概念验证自动AI评估算法。

github2025-05-10 更新370

ControlBench

控制工程

人工智能评估

ControlBench是由伊利诺伊大学厄巴纳-香槟分校等机构创建的数据集，包含147个本科控制工程问题，旨在评估大型语言模型如GPT-4、Claude 3 Opus和Gemini 1.0 Ultra在解决控制工程问题上的能力。该数据集涵盖了控制设计的广度、深度和复杂性，包括系统动力学、PID/loopshaping设计及稳定性/鲁棒性分析等。数据集的创建过程经过精心设计，确保每个问题都经过人工验

arXiv2024-04-05 更新220

R2-AVSBench

自然语言处理

人工智能评估

R2-AVSBench是一个新的评估基准，设计用于包含更多具有语言多样性和推理密集性的参考。它旨在更好地评估模型在跨引用场景中的性能。该数据集由 Mohamed Bin Zayed University of Artificial Intelligence, National University of Singapore, University of Science and Technology

arXiv2025-08-06 更新400

WITNESS’ Truly Innovative and Effective AI Detection (TRIED) Benchmark

人工智能评估

检测工具评估

WITNESS开发的“真正创新和有效的人工智能检测”（TRIED）基准是一个新的框架，用于评估检测工具的真正影响和创新能力。该数据集基于一线经验、欺骗性AI案例和全球咨询，旨在解决AI检测工具在现实世界场景中的局限性，如可解释性、公平性、可访问性和上下文相关性等方面的挑战。通过采用TRIED基准，利益相关者可以推动创新，保护公众信任，加强人工智能素养，并为更强大的全球信息可信度做出贡献。

arXiv2025-04-30 更新250

Music Learning Performance Dataset

资源简介：

相关数据集