Agent Security Bench (ASB) 是一个面向LLM代理安全性的综合性基准框架，涵盖电子商务、自动驾驶、金融等10个场景，涉及10类代理、400余种工具与任务，集成23种攻击/防御方法及7项评估指标。数据集系统评估代理在多场景下的安全脆弱性与防御效能，支撑对提示注入、越权访问等典型攻击的测试。其主要应用于LLM代理的安全性基准评测，助力研发更鲁棒、可靠的智能代理系统。

库帕思2025-12-22 更新150

open-llm-leaderboard/details_chlee10__T3Q-Platypus-Mistral7B

大型语言模型评估

基准测试

该数据集是在评估模型chlee10/T3Q-Platypus-Mistral7B时自动生成的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。

Hugging Face2024-03-12 更新90

open-llm-leaderboard/details_huggyllama__llama-30b

大型语言模型评估

基准测试

该数据集是在Open LLM Leaderboard上评估模型huggyllama/llama-30b时自动生成的。数据集由122个配置组成，每个配置对应一个评估任务。数据集由4次运行生成，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderb

Hugging Face2023-09-16 更新170

zizyphus/Edit3D-Bench

3D编辑

基准测试

该存储库包含Edit3D-Bench，这是一个3D编辑基准测试集，由论文《Feedforward 3D Editing via Text-Steerable Image-to-3D》提出。`metadata/`目录存储了纹理、移除和添加操作的元数据信息（源和目标对象的guid以及编辑文本），每个操作分别存储在一个单独的`.csv`文件中。`data/`目录包含未编辑对象的源图像、源和目标对象的gl

Hugging Face2025-12-14 更新100

Benchmark Results: SWDF

资源简介：

相关数据集