The news articles reporting on the 2021 Tokyo Olympics data set OG2021 (public)

B2FIND2026-04-29 收录

体育新闻分析

多语言安全评估

数据链接：

https://b2find.eudat.eu/dataset/e1f86566-b40f-547f-bb48-6fe9af4ce382 数据链接链接失效反馈

官方服务：

资源简介：

The OG2021 corpus contains multilingual news articles that are reporting on the events happening during the 2021 Tokyo Olympics. The data set was created to evaluate the...

Nemotron-Safety-Guard-Dataset-v3

多语言安全评估

语言模型训练

## Dataset Description: The Nemotron-Safety-Guard-Dataset-v3 (formerly known as Nemotron-Content-Safety-Dataset-Multilingual-v1) is a large, high-quality safety dataset designed for training multilin

魔搭社区2026-06-25 更新760

walledai/MultiJail

多语言安全评估

视觉语言模型

--- dataset_info: features: - name: prompt dtype: string - name: harms sequence: string - name: source dtype: string splits: - name: ar num_bytes: 55482 num_examples: 3

Hugging Face2024-08-09 更新210

CodeMixBench

自然语言处理

多语言安全评估

CodeMixBench是一个多语种混合文本理解能力的评估基准，包含18种语言的8个任务。这些任务包括知识推理、数学推理、真实性评估以及语言识别、词性标注、命名实体识别、情感分析和机器翻译。数据集是合成的，涵盖了12种语言，来自六大语系：日耳曼语系、罗曼语系、汉藏语系、闪米特语系、印欧语系和达罗毗荼语系。

Hugging Face2025-09-04 更新120

L3Cube-IndicHeadline-ID

自然语言处理

多语言安全评估

L3Cube-IndicHeadline-ID是一个用于低资源印度语言新闻标题识别和语义评估的数据集，涵盖了十种低资源印度语言：马拉地语、印地语、泰米尔语、古吉拉特语、奥里亚语、卡纳达语、马拉雅拉姆语、旁遮普语、泰卢固语和孟加拉语。每种语言包括20,000篇新闻文章，每篇文章配以四种标题变体：原始标题、语义相似版本、词汇相似版本和无关版本。数据集用于评估模型根据文章和标题之间的相似性选择正确标题的

arXiv2025-09-03 更新210

openai/MMMLU

多语言安全评估

通用AI基准测试

MMMLU多语言大规模多任务语言理解测试集，包含57个类别的知识，从基础到高级专业领域，支持14种语言，包括阿拉伯语、孟加拉语、德语、西班牙语、法语、印地语、印尼语、意大利语、日语、韩语、葡萄牙语、斯瓦希里语、约鲁巴语和简体中文。该测试集旨在评估AI模型在不同语言中的表现，特别是对于代表性不足的社区。

Hugging Face2024-10-16 更新130

The news articles reporting on the 2021 Tokyo Olympics data set OG2021 (public)

资源简介：

相关数据集