categories-benchmark-eval

lmarena-ai/categories-benchmark-eval dataset hosted on Hugging Face and contributed by the HF Datasets community

由 Hugging Face 平台托管，并由 HF 数据集社区贡献的 lmarena-ai 分类基准评估数据集。

搜集汇总

背景与挑战

背景概述

该数据集是一个用于评估模型分类性能的基准数据集，包含候选模型的预测标签和基于多个大型模型投票生成的地面真值标签。数据集需要用户同意共享联系信息才能访问，总大小为393 MB，适用于模型比较和验证任务。