Word-level valid and test perplexity on WikiText-2.

Figshare2021-04-14 更新2026-04-28 收录

语言模型评估

词级困惑度

数据链接：

https://figshare.com/articles/dataset/Word-level_valid_and_test_perplexity_on_WikiText-2_/14421524 数据链接链接失效反馈

官方服务：

资源简介：

Word-level valid and test perplexity on WikiText-2.

创建时间：

2021-04-14

IDEA-CCNL/Ziya-Writing-Eval-Chinese

中文写作评估

语言模型评估

姜子牙写作任务中文评估数据集（Ziya-Writing-Eval-Chinese）用于评估大语言模型在中文写作任务上的水平，通常采用Side-by-Side评测。该评测集包含了多个写作子任务，分为应用写作和创意写作两大类。应用写作包括公文、通知、报告、论文、征稿、函件和申请书等；创意写作包括书信、作文、文案、小说、视频脚本、攻略、广告、剧本和童话等。

Hugging Face2024-01-03 更新1250

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_Josephgflowers__Tinyllama-1.5B-Cinder-Test-2

语言模型评估

学科知识

--- pretty_name: Evaluation run of Josephgflowers/Tinyllama-1.5B-Cinder-Test-2 dataset_summary: "Dataset automatically created during the evaluation run of model\ \ [Josephgflowers/Tinyllama-1.5B-Ci

Hugging Face2024-04-05 更新120

WebGen-Bench

网站生成

语言模型评估

WebGen-Bench是一个用于评估LLMs在从零开始生成交互式和功能性网站的数据集。

github2025-05-08 更新320

KoGEM

语言模型评估

韩语能力测试

该数据集名为KoGEM，包含了1500多道多选题，覆盖了五大类别和16个子类别，旨在评估大型语言模型和人类在韩语语言能力方面的表现。该数据集基于韩国官方的职能能力考试，并包含了用于评估的众包人类表现数据。规模上，数据集包含了1500组问答对，其任务是对语言能力进行评估。

arXiv160