Bench dataset

kaggle2025-04-13 更新2025-05-03 收录

下载链接：

https://www.kaggle.com/datasets/samuelayman/bench-dataset

下载链接

链接失效反馈

官方服务：

资源简介：

Yolo annotated bench dataset

经YOLO（You Only Look Once）标注的基准数据集

创建时间：

2025-04-13

IWR-Bench/IWR-Bench

IWR-Bench是一个用于评估大型视觉语言模型在重构用户交互视频中的网页重建能力的基准数据集。它包含了用户与网页交互的视频以及与之相关的文本描述，支持video-text-to-text和visual-question-answering任务。数据集的特征包括交互复杂性、视觉复杂性、领域、子领域、录制细节、源网站、动作序列和视频路径等信息。

Hugging Face2025-10-17 更新50

VLM²-Bench

VLM²-Bench是一个用于评估视觉语言模型在多图像序列和视频中匹配线索链接能力的综合基准测试，包含9个子任务和超过3000个测试案例，旨在评估人类日常使用的基本视觉链接能力。

github2025-02-28 更新630

bench-llm/or-bench

OR-Bench是一个用于评估大型语言模型在拒绝有害提示和接受安全提示方面表现的数据集。它包含多个配置，如or-bench-80k、or-bench-hard-1k和or-bench-toxic，每个配置都包含prompt和category两个特征。数据集通过自动化流程生成看似有害的提示，并不断更新这些提示，以评估模型的表现。

Hugging Face2024-06-22 更新400

Text-Scene Graph Bench (TSG Bench)

Text-Scene Graph Bench (TSG Bench) 是一个用于评估大型语言模型（LLMs）理解和生成场景图能力的基准数据集。它由120个现实世界的场景组成，包含2041个描述和4289个场景图。这些场景图以动作为中心，涵盖了18个不同的领域，如维护、烹饪和园艺。数据集由Ego-centric Action Scene Graphs (EASG) 数据集衍生而来，通过多轮人工参与的

arXiv2025-05-26 更新220

bench-llms/or-bench

OR-Bench是一个用于评估大型语言模型在拒绝有害提示和接受安全提示方面表现的数据集。该数据集包含多个配置，如or-bench-80k、or-bench-hard-1k和or-bench-toxic，每个配置都包含prompt和category两个特征。数据集的目标是帮助研究人员评估模型在拒绝有害内容方面的能力，并通过图表展示不同模型的表现。

Hugging Face2024-06-23 更新190