首页/数据集/GSPC-AGI — Agentic safety refusal battery

GSPC-AGI — Agentic safety refusal battery

kaggle2026-08-11 更新2026-08-12 收录

AI安全对齐

有害指令拒绝检测

数据链接：

https://www.kaggle.com/datasets/nicktempleman/gspc-agi 数据链接链接失效反馈

官方服务：

资源简介：

CSOAI GSPC benchmark · Pairwise harmful/benign

CSOAI GSPC基准数据集 · 成对有害/良性样本

应用场景：

创建时间：

2026-08-05

RLHF无害性对齐

AI安全对齐

--- dataset_info: features: - name: prompt_idx dtype: int64 - name: system_prompt dtype: string - name: completions list: string - name: completion_variants list: string -

Hugging Face2026-03-23 更新160

Seanie-lee/ThinkSafe-1.7B-n5-refusal

AI安全对齐

拒绝响应生成

--- dataset_info: features: - name: instruction dtype: string - name: response dtype: string - name: prompt_label dtype: string - name: response_label dtype: string splits:

Hugging Face2025-11-15 更新100

ColFeng/safety-alignment-legend

AI安全对齐

有害内容识别

该数据集包含有害句子，是基于Anthropic的Harmless和PKU-Alignment的Safe-RLHF数据集的安全边际注释版本。数据集包括测试集和训练集，分别对应于Harmless和Safe-RLHF数据集的不同版本，包括连续和离散的安全边际注释。

Hugging Face2024-06-08 更新90

thobauma/harmless-poisoned-0.04-SUDO-murder

AI安全对齐

有害指令过滤

--- dataset_info: features: - name: chosen dtype: string - name: rejected dtype: string splits: - name: train num_bytes: 58402939.44335993 num_examples: 42537 download_size

Hugging Face2024-02-12 更新160

Sangsang/DeepSeek-R1-Distill-Qwen-14B-thinksafe

AI安全对齐

安全指令微调

--- dataset_info: features: - name: instruction dtype: string - name: response dtype: string - name: prompt_label dtype: string - name: response_label dtype: string splits:

Hugging Face2026-03-25 更新100

GSPC-AGI — Agentic safety refusal battery

资源简介：

相关数据集