KillBench数据集是一个用于展示大型语言模型（LLMs）决策偏见的基准测试数据集。它通过年龄和职业的交叉乘积生成基准测试，包含自由文本和结构化运行的OpenRouter推理，以及通过OpenRouter的Gemini解析作为自由文本输出的规范解析层。数据集包含多个偏见维度，如国籍、宗教、肤色、体型等，每个测试在2种年龄和3种职业之间交叉相乘，并通过多次随机排序控制位置偏差。数据集还详细记录了

github2026-04-16 更新60

CCD V2

自动语音识别

公平性评估

该数据集名为CCD V2，包含了来自印度、美国、印度尼西亚、越南、巴西、墨西哥和菲律宾等不同地区的5,567位独特发言人的语音数据。其中包含了26,467段视频录音，总计354小时的非脚本自然回应和319小时对陀思妥耶夫斯基作品《白痴》的朗读。此外，该数据集还包含了七个自我标记的属性，如年龄、性别、语言、残疾和肤色等级，这允许分析在各类人口统计属性中，自动语音识别系统性能的差异。规模上，该数据集涉

arXiv190

Wycombe pay multiple

薪酬分析

公平性评估

Pay multiple is defined as the ratio between the highest paid taxable earnings and the median salary of the whole of the authority’s workforce.

data.gov.uk2015-05-08 更新80