hazyresearch/GSM8K_GPT-4o-mini_with_LM_Judges_and_RMs_v1

Name: hazyresearch/GSM8K_GPT-4o-mini_with_LM_Judges_and_RMs_v1
Creator: hazyresearch
Published: 2025-04-12T02:56:50+08:00

Hugging Face2025-01-13 更新2025-04-12 收录

推理评估

大语言模型自动评测

数据链接：

https://hf-mirror.com/datasets/hazyresearch/GSM8K_GPT-4o-mini_with_LM_Judges_and_RMs_v1 数据链接链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

--- 许可证：Apache 2.0 ---

提供机构：

hazyresearch

hazyresearch/based-swde

自然语言处理

数据湖分析

该数据集改编自论文《Language Models Enable Simple Systems for Generating Structured Views of Heterogeneous Data Lakes》。数据集包含五个特征：doc_id、file_name、key、value和text，并且只有一个验证集，包含1111个样本。该数据集用于生成异构数据湖的结构化视图。

Hugging Face2024-05-19 更新380

K12-PEBench

教育评估

推理评估

该数据集名为K12-PEBench，是一个高质量、由人工标注的基准评测数据集，旨在评估基于从K12-PEM-800K中选取的大约3000个样本的推理过程评估能力。此外，该数据集还涉及由验证团队进行的手动标注，以评估推理步骤的正确性并识别错误类型，其任务是对推理过程的准确性和错误识别进行评估。

arXiv160

hazyresearch/m07d28_mtob_synthesize_llama-3.2-3b_n65536-0

对话系统

自然语言处理

该数据集包含了对话信息以及相关的系统提示和元数据。对话信息包括消息内容、角色、token IDs以及top logprobs。系统提示包括初始系统提示和种子提示。元数据可能包含工具调用信息。数据集被分割为训练集，共有65536个示例，总大小为2,260,497,314字节。

Hugging Face2025-08-18 更新120

EleutherAI/quirky_squaring_increment0_bob_easy

逻辑推理问答

推理评估

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* dataset_info: featur

Hugging Face2024-01-11 更新160

K-and-K/perturbed-knights-and-knaves

推理评估

语言模型鲁棒性

--- license: cc-by-nc-sa-4.0 task_categories: - question-answering language: - en configs: - config_name: train data_files: - split: perturbed_leaf path: - train/perturbed_leaf/people2_num

Hugging Face2024-10-31 更新120

hazyresearch/GSM8K_GPT-4o-mini_with_LM_Judges_and_RMs_v1

资源简介：

相关数据集