SANSKRITI是一个全面的文化基准数据集，旨在评估语言模型对印度丰富文化多样性的理解能力。该数据集包含21,853个精心策划的问答对，涵盖28个州和8个联邦属地，是测试印度文化知识最大的数据集。它覆盖了印度文化的16个关键属性，包括仪式和庆典、历史、旅游、美食、舞蹈和音乐、服装、语言、艺术、节日、宗教、医药、交通、体育、夜生活和名人，全面展现了印度的文化图景。通过提供广泛、丰富和多样化的数据集

arXiv2025-06-18 更新220

open-llm-leaderboard/details_ParasiticRogue__Merged-RP-Stew-V2-34B

语言模型评估

多领域知识

该数据集是在模型 ParasiticRogue/Merged-RP-Stew-V2-34B 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。数据集是从 1 次运行中生成的，每次运行在每个配置中表示为特定的分割，使用运行的时间戳命名。train 分割始终指向最新的结果。一个额外的配置 results 存储了所有运行的聚合

Hugging Face2024-04-15 更新170

open-llm-leaderboard/details_jeiku__Average_Normie_l3_v1_8B

语言模型评估

多领域知识

该数据集是在模型jeiku/Average_Normie_l3_v1_8B的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行都可以在特定配置中找到，并以运行的时间戳命名。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，并用于计算和显示Open LLM

Hugging Face2024-04-24 更新140

APEACH

仇恨言论检测

语言模型评估

APEACH数据集是由Kakao Corp.等机构合作创建的，专注于韩国仇恨言论检测。该数据集包含约3770条实例，涵盖了多样化的主题和句子长度，旨在通过用户生成的内容减少与预训练语料库的词汇重叠，从而更准确地评估模型性能。创建过程中，采用了匿名付费工作者生成有毒表达的方式，并通过任务管理器进行后标记，确保数据质量。APEACH数据集的应用领域主要集中在评估预训练语言模型在仇恨言论检测中的性能，特

arXiv2022-10-26 更新200

dipudl/hc3-and-gpt-wiki-intro-with-perplexity-and-128-window

自然语言处理

语言模型评估

--- dataset_info: features: - name: prompt dtype: string - name: text dtype: string - name: source dtype: string - name: label dtype: int64 - name: perplexity dtype: fl

Hugging Face2024-02-08 更新150

jmichaelov/inverse_scaling_prize-modus_tollens

资源简介：

数据集信息概述

许可证信息

相关数据集