MMLU

Name: MMLU
Creator: Choudhary, Kamal
Published: 2024-01-30T00:00:00+08:00

Figshare2024-01-30 更新2026-04-08 收录

语言模型评估

多任务理解基准

数据链接：

https://figshare.com/articles/dataset/MMLU/25050032/5 数据链接链接失效反馈

官方服务：

资源简介：

Measuring Massive Multitask Language Understandinghttps://github.com/hendrycks/test

提供机构：

Choudhary, Kamal

创建时间：

2024-01-30

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

JVASP-4307.zip

密度泛函理论计算

材料性能模拟

JARVIS-DFT data test

Figshare2021-06-30 更新50

miladalsh/docent-val-Qwen3-VL-8B-Instruct-bbox-w-text_no_ref

细粒度图像编辑

语言模型评估

--- dataset_info: features: - name: uuid dtype: string - name: step dtype: int64 - name: items list: string - name: segment_ids list: int64 - name: segment_positions li

Hugging Face2026-04-09 更新40

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

JVASP-5782.zip

计算材料学

密度泛函理论

JARVIS-DFT data test

Figshare2021-06-30 更新40

MMLU

资源简介：

相关数据集