SciPredict是一个基准测试数据集，用于评估AI系统在物理、生物和化学领域预测实验结果的能力。该数据集包含405个问题，这些问题来源于2025年3月后发表的实证研究，覆盖了33个子领域。数据集结构包括问题数量（405个问题，5,716行包含模型响应）、领域分布（物理9个子领域，化学10个子领域，生物14个子领域）和问题格式（多选题、自由格式、数值题）。关键字段包括科学领域、具体领域、问题格式

Hugging Face2026-01-15 更新180

ReJ dataset

幽默生成

文本分析

该数据集是基于用户评分的Reddit笑话集合，旨在为幽默生成能力提供一个基准。该数据集经过筛选，仅包含根据用户点赞数量判断为高质量的笑话，并且还包含了一个清洁过程，以移除那些可能妨碍幽默理解的干扰因素。该数据集的规模为156个笑话，是从Reddit上抽取的子样本。其任务是评估幽默生成的质量。

arXiv160

ScaleAI/MultiChallenge

对话评估

语言模型基准测试

--- license: cc-by-4.0 task_categories: - text-generation - question-answering language: - en tags: - multi-turn - evaluation - benchmark - llm pretty_name: MultiChallenge size_categories: - n<1K data

Hugging Face2026-03-31 更新260

ScaleAI/SWE-bench_Pro

软件缺陷修复

代码补丁验证

--- dataset_info: features: - name: repo dtype: string - name: instance_id dtype: string - name: base_commit dtype: string - name: patch dtype: string - name: test_patch

Hugging Face2026-02-23 更新180

ScaleAI/mhj-wmdp-bio

资源简介：

相关数据集