livebench/model_judgment
收藏Hugging Face2025-04-07 更新2024-06-29 收录
下载链接：
https://hf-mirror.com/datasets/livebench/model_judgment
下载链接
链接失效反馈官方服务：
资源简介：
LiveBench是一个为大型语言模型（LLM）设计的基准测试，旨在限制测试集污染并进行客观评估。它具有以下特点：LiveBench通过每月发布新问题以及基于最新发布的数据集、arXiv论文、新闻文章和IMDb电影摘要生成问题来限制潜在的污染。每个问题都有可验证的客观答案，允许自动准确评分，而无需使用LLM作为评判者。LiveBench目前包含18个多样化的任务，分布在6个类别中，并计划发布更困难的任务。该数据集包含用于创建排行榜的所有模型评分。
LiveBench是一个为大型语言模型（LLM）设计的基准测试，旨在限制测试集污染并进行客观评估。它具有以下特点：LiveBench通过每月发布新问题以及基于最新发布的数据集、arXiv论文、新闻文章和IMDb电影摘要生成问题来限制潜在的污染。每个问题都有可验证的客观答案，允许自动准确评分，而无需使用LLM作为评判者。LiveBench目前包含18个多样化的任务，分布在6个类别中，并计划发布更困难的任务。该数据集包含用于创建排行榜的所有模型评分。
提供机构：
livebench
