Cohen’s d-values of chatbot comparisons of Baby-Centered Questions’.

Figshare2025-03-17 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Cohen_s_d-values_of_chatbot_comparisons_of_Baby-Centered_Questions_/28609549 数据链接链接失效反馈

官方服务：

资源简介：

Cohen’s d-values of chatbot comparisons of Baby-Centered Questions’.

创建时间：

2025-03-17

geoskyr/multichallenge

多轮对话理解

对话评估

--- dataset_info: features: - name: QUESTION_ID dtype: string - name: AXIS dtype: string - name: CONVERSATION list: - name: role dtype: string - name: content d

Hugging Face2026-04-24 更新130

model2-test-results

对话评估

文本生成质量

该数据集包含3155个训练样本，总大小约20.1MB。每个样本由7个字段组成：system（字符串，系统指令）、user（字符串，用户输入）、gold_response（字符串，标准回答）、generated（字符串，生成内容）以及rouge1/rouge2/rougeL（浮点数，ROUGE评估分数）。数据集仅提供训练集划分，未说明具体应用场景或数据来源，但从字段命名推断可能用于对话系统响应生成的

Hugging Face2026-04-18 更新80

DCAgent2/dev_set_v2_allenai_sera_unified_31600_opt100k__Qwen3_8B_20260408_185423

对话评估

语言模型测试

--- dataset_info: features: - name: conversations list: - name: content dtype: string - name: role dtype: string - name: agent dtype: string - name: model dtype

Hugging Face2026-04-09 更新50

LUFY-Dataset

聊天机器人

对话评估

该数据集名为LUFY-Dataset，包含了从用户实验中收集的对话，这些实验涉及三种类型的RAG聊天机器人：原始RAG、MemoryBank和LUFY。数据集包括参与者创建的612个问答对，这些问答对根据记忆的重要性进行了标注。此外，该数据集为长期对话交流提供了基准，并通过主观和自动化的方法评估用户体验。规模上，数据涵盖了17名参与者在4天内进行的10个会话的数据。该数据集的任务是评估RAG聊天机

arXiv100

USR-TopicalChat

对话评估

自然语言处理指标

收集该数据集的目的是评估对话评估指标。在论文 USR: An Unsupervised and Reference Free Evaluation Metric for Dialog (Mehri and Eskenazi, 2020) 中，作者收集了这些数据来衡量几个现有的基于词重叠和嵌入的指标的质量，以及他们新提出的USR 指标。

OpenXLab50

Cohen’s d-values of chatbot comparisons of Baby-Centered Questions’.

资源简介：

相关数据集