FaMTEB是一个大规模的波斯语文本嵌入基准，由Sharif University of Technology创建。该数据集包含63个数据集，涵盖7个任务，包括分类、聚类、成对分类、重排、检索、摘要检索和语义文本相似度。数据集由现有数据、翻译数据和通过大型语言模型生成的新合成数据组合而成，为波斯语语言模型提供了多样化的评估框架。

arXiv2025-02-17 更新340

CLEVR (Compositional Language and Elementary Visual Reasoning)

视觉推理

人工智能测试

我们提出了一个诊断数据集，用于测试一系列视觉推理能力。它包含最小的偏差，并有详细的注释描述每个问题所需的推理类型。我们使用这个数据集来分析各种现代视觉推理系统，提供对其能力和局限性的新见解。

OpenDataLab2026-07-12 更新160

ClockBench

视觉推理

AI基准测试

ClockBench是一个视觉推理AI基准测试数据集，包含10个时钟（完整私有数据集包含180个时钟）。该数据集专门设计用于评估AI模型的视觉推理能力，通过OpenRouter API对选定模型进行评估和评分。

github2025-09-04 更新420

Sellopale/VisuLogic

视觉推理

多语言大语言模型

VisuLogic是一个新设计的基准数据集，旨在评估多模态大型语言模型（MLLMs）的视觉推理能力，独立于文本推理过程。它包含精心构建的视觉推理任务，涵盖多个类别，并根据所需的推理技能分为六种类型（例如，定量推理，涉及理解和推断图像中元素数量的变化）。与现有基准不同，VisuLogic是一个具有挑战性的视觉推理基准，难以用语言描述，从而更严格地评估MLLMs的视觉推理能力。大多数模型的准确率低于3

Hugging Face2025-12-15 更新250

AUT-NLP/Persian-Visual-Abstraction-Reasoning

资源简介：

相关数据集