Official Dataset for [Mementos: A Comprehensive Benchmark for Multimodal Large Language Model Reasoning over Image Sequences](https://arxiv.org/abs/2401.10529). All data is downloaded from the origin

Hugging Face2024-11-14 更新310

furonghuang-lab/morse-500

视频推理

多模态推理

MORSE-500数据集包含500个新颖的视频片段，这些视频是程序化生成的，涵盖了抽象、数学、物理、计划、空间和时间六个推理类别，用于测试模型的多模态推理能力。数据集具有可扩展难度，可以根据模型的改进发布更难的版本。视频问题直接嵌入在视频中，要求模型不依赖文本信息进行推理。数据集提供了开发者友好的浏览和调试工具。

Hugging Face2025-06-09 更新150

furonghuang-lab/ETI_Competition_Data

图像水印安全

对抗性水印攻击

ETI竞赛数据集：从NeurIPS 2024竞赛“擦除隐形”中收集的完整数据。该数据集旨在系统地评估当前最先进的无形图像水印技术对抗全球范围内的参赛者开发的多种去除攻击的鲁棒性。数据集包括原始水印图像、参与者提交的评估结果、攻击后的图像文件等，为数字水印、对抗性机器学习、图像取证和内容真实性研究提供了大规模的基准。

Hugging Face2025-05-16 更新40

furonghuang-lab/Easy2Hard-Bench

难度分级

语言模型评估

Easy2Hard-Bench是一个包含6个不同领域数据集（数学、编程、象棋和各种推理任务）的基准数据集。每个数据集的问题都标有连续值的难度级别。数据集的结构、数据字段、数据分割、难度分布以及数据集的创建过程都有详细说明。数据集主要用于分析语言模型在不同难度下的能力，并探索语言模型从简单到复杂的泛化能力。

Hugging Face2024-11-25 更新230

furonghuang-lab/PHTest

视觉语言模型

模型对齐

--- license: mit task_categories: - text-generation - question-answering language: - en tags: - llm - alignment - false refusal - over-alignment pretty_name: PHTest size_categories: - 100K<n<1M viewer

Hugging Face2026-04-24 更新80

furonghuang-lab/SIMA_prompts

资源简介：

数据集概述

许可证信息

相关数据集