Large Language Model Influence on Management Reasoning: A Randomized Controlled Trial

Figshare2025-02-06 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Large_Language_Model_Influence_on_Management_Reasoning_A_Randomized_Controlled_Trial/27886788 数据链接链接失效反馈

官方服务：

资源简介：

This dataset contains all the raw scores produced by study participants.

创建时间：

2025-02-06

riddle_sense

推理评估

谜语问答理解

RiddleSense专注于谜语风格的常识问答，旨在评估模型在复杂常识推理、比喻语言理解和反事实推理方面的能力。它包含5.7k个示例，提供了一个多项选择的问答任务数据集，其中包含问题、答案以及多个选项。数据集分为训练集、验证集和测试集，每个样本包括问题文本、答案选项（标签和文本）以及正确答案的键值。该数据集的授权许可允许用户将其用于研究目的，但禁止商业用途和二次分发。

OpenCSG2024-07-19 更新110

pkuHaowei/kumo-easy

视觉语言模型

推理评估

KUMO是一个评估大型语言模型复杂推理能力的基准测试数据集，通过程序生成的推理游戏进行。数据集包含五个环境：MedicalEnv、EducationEnv、MusicEnv、FantasyEnv和ChemicalEnv，每个环境有50个示例。还包括100个自动生成的示例领域，涉及计算机科学、生物学、艺术等多个类别，每个领域包含约50个真相和30个动作。

Hugging Face2025-04-10 更新90

Advocate512/legalbench

自然语言处理

推理评估

--- license: cc-by-4.0 task_categories: - text-classification - question-answering language: - en pretty_name: LegalBench (Staging) tags: - legal - law - benchmark configs: - config_name: abercrombi

Hugging Face2026-04-17 更新70

Boosting Debiasing: Impact of Repeated Training on Reasoning

认知去偏训练

推理评估

Data linked to the paper "Boosting Debiasing: Impact of Repeated Training on Reasoning" : preregistrations, datasets and analysis script. DOI of the article: https://doi.org/10.1016/j.learninstruc.202

DataCite Commons2025-12-09 更新100

eval_inference_test

机器人技术

推理评估

该数据集是使用LeRobot框架创建的，与机器人技术相关。数据集包含多种特征，如动作、观测（状态和来自顶部及腕部摄像头的图像）、时间戳和索引。数据集结构详细，包括代码库版本、机器人类型、总集数、帧数、任务数和文件大小等元数据。

Hugging Face2026-02-05 更新70