Table_S3_gpt4o_llm_results_240802

Figshare2024-10-17 更新2026-04-28 收录

信息提取

大型语言模型评估

数据链接：

https://figshare.com/articles/dataset/Table_S3_gpt4o_llm_results_240802/27246426 数据链接链接失效反馈

官方服务：

资源简介：

Table S3: the results of the information extraction using GPT-4o in 20240802.

创建时间：

2024-10-17

open-llm-leaderboard/details_TheBloke__llama-30b-supercot-SuperHOT-8K-fp16

大型语言模型评估

多领域知识

--- pretty_name: Evaluation run of TheBloke/llama-30b-supercot-SuperHOT-8K-fp16 dataset_summary: "Dataset automatically created during the evaluation run of model\ \ [TheBloke/llama-30b-supercot-Sup

Hugging Face2023-08-27 更新140

open-llm-leaderboard/details_DreadPoor__Eros_n_Psyche-7B-Model_Stock

大型语言模型评估

多任务评估

--- pretty_name: Evaluation run of DreadPoor/Eros_n_Psyche-7B-Model_Stock dataset_summary: "Dataset automatically created during the evaluation run of model\ \ [DreadPoor/Eros_n_Psyche-7B-Model_Stoc

Hugging Face2024-04-06 更新110

open-llm-leaderboard/details_chlee10__T3Q-Platypus-Mistral7B

大型语言模型评估

基准测试

该数据集是在评估模型chlee10/T3Q-Platypus-Mistral7B时自动生成的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。

Hugging Face2024-03-12 更新90

AUEB-NLP/greek-bar-bench

法律推理

大型语言模型评估

GreekBarBench 是一个用于评估大型语言模型（LLM）在五个不同法律领域内进行复杂法律推理能力的基准数据集。该数据集由希腊律师资格考试（2015-2024年）中的法律问题组成，要求模型在开放书籍格式下，结合案件事实、法律问题以及相关法律条文进行推理，并提供包含明确引用的案件事实和法律条文的自由文本答案。数据集旨在评估复杂的法律推理能力，包括多跳推理和法律条文的准确应用。

Hugging Face2025-06-06 更新130

smalleval/mmlu-nano

大型语言模型评估

多任务语言理解

# SmallEval: Browser-Friendly LLM Evaluation Datasets 🚀 [![Created by Cloud Code AI](https://img.shields.io/badge/Created%20by-Cloud%20Code%20AI-blue)](https://cloudcode.ai) SmallEval is a curated

Hugging Face2025-01-20 更新90

Table_S3_gpt4o_llm_results_240802

资源简介：

相关数据集