Models’ performance on the web-tracking validation dataset (WVD).

NIAID Data Ecosystem2026-05-02 收录

数据链接：

https://figshare.com/articles/dataset/Models_performance_on_the_web-tracking_validation_dataset_WVD_/27847851 数据链接链接失效反馈

官方服务：

资源简介：

Models’ performance on the web-tracking validation dataset (WVD).

创建时间：

2024-11-18

open-llm-leaderboard/details_Ppoyaa__FusedKuno

语言模型评测

模型性能基准测试

该数据集是在模型Ppoyaa/FusedKuno的评估运行期间自动创建的，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特定配置中的一个分割，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

Hugging Face2024-04-05 更新240

math-extraction-comp/arcee-ai__Arcee-Spark

医疗问答系统评估

模型性能基准测试

该数据集是一个文本数据集，包含了问题、标准答案、预测答案、子集信息以及多种评分结果等字段。数据集被划分为训练集，可用于文本分类、答案预测等自然语言处理任务。

Hugging Face2025-01-26 更新90

kth8/gemma-4-E4B-it-ValleyBench-benchmark

模型性能基准测试

推理评估

--- license: apache-2.0 language: - en base_model: google/gemma-4-E4B-it datasets: - kth8/ValleyBench --- Benchmark of [google/gemma-4-E4B-it](https://huggingface.co/google/gemma-4-E4B-it) against [k

Hugging Face2026-04-30 更新60

open-llm-leaderboard/details_CHIH-HUNG__llama-2-13b-alpaca-test

大型语言模型评估

模型性能基准测试

该数据集是在Open LLM Leaderboard上对模型CHIH-HUNG/llama-2-13b-alpaca-test进行评估时自动生成的。数据集包含61个配置，每个配置对应一个评估任务。数据集由一次运行的记录组成，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。此外，还有一个results配置存储了所有运行的聚合结果，用于计算和显示Ope

Hugging Face2023-08-29 更新190

The AUC and AUPR values of the five methods for the four types of proteins in each validation set (previous and updated dataset).

蛋白质类型分类

模型性能基准测试

The AUC and AUPR values of the five methods for the four types of proteins in each validation set (previous and updated dataset).

NIAID Data Ecosystem70