Notes from workshop on AI evaluating the impact of AI on insurance

Figshare2019-09-15 更新2026-04-29 收录

数据链接：

https://figshare.com/articles/dataset/Notes_from_workshop_on_AI_evaluating_the_impact_of_AI_on_insurance/9845048 数据链接链接失效反馈

官方服务：

资源简介：

Notes from workshop on AI evaluating the impact of AI on insurance

创建时间：

2019-09-15

ETHICS

伦理学

人工智能评估

该数据集名为ETHICS，包含了五个子数据集，分别代表不同的伦理学领域：正义、义务论、美德伦理学、功利主义和常识伦理学。这些道德判断经过精心挑选，以体现人类共有的价值观。该数据集旨在通过不同的伦理框架评估人工智能对人类共同价值观的理解能力。规模上，多个子数据集包含的例子数量不一，其中正义、美德伦理学和功利主义各有100个例子，其他子数据集则有50个。该数据集的任务是评估在各种伦理场景中的道德判断。

arXiv910

R2-AVSBench

自然语言处理

人工智能评估

R2-AVSBench是一个新的评估基准，设计用于包含更多具有语言多样性和推理密集性的参考。它旨在更好地评估模型在跨引用场景中的性能。该数据集由 Mohamed Bin Zayed University of Artificial Intelligence, National University of Singapore, University of Science and Technology

arXiv2025-08-06 更新400

WITNESS’ Truly Innovative and Effective AI Detection (TRIED) Benchmark

人工智能评估

检测工具评估

WITNESS开发的“真正创新和有效的人工智能检测”（TRIED）基准是一个新的框架，用于评估检测工具的真正影响和创新能力。该数据集基于一线经验、欺骗性AI案例和全球咨询，旨在解决AI检测工具在现实世界场景中的局限性，如可解释性、公平性、可访问性和上下文相关性等方面的挑战。通过采用TRIED基准，利益相关者可以推动创新，保护公众信任，加强人工智能素养，并为更强大的全球信息可信度做出贡献。

arXiv2025-04-30 更新250

TeleEgo

人工智能评估

第一人称视角

TeleEgo是一个用于评估第一人称视角人工智能助手在现实世界场景下能力的长期、流式、全模态基准数据集。数据集包含来自多个参与者的同步视频、音频和文本数据，每个参与者贡献超过14小时的记录。所有数据流都精确地对齐到一个统一的全球时间线上，并丰富了手动编辑的语音转录和视觉叙述，以确保高质量和语义清晰。TeleEgo定义了12个诊断子任务，涵盖三个核心能力：记忆（回忆过去的事件）、理解（解释当前时刻）

arXiv2025-10-28 更新750

WiseEdit-Benchmark

图像编辑

人工智能评估

WiseEdit是一个知识密集型的基准数据集，旨在评估认知和创造力指导下的图像编辑能力。它将基于指令的编辑分解为三个阶段：Awareness（感知）、Interpretation（解释）和Imagination（想象），并提供了1,220个双语测试案例以及基于GPT-4o的自动评估流程。数据集围绕任务深度和知识广度构建，包括四种任务类型和三种知识类型，强调文化常识、自然科学和时空逻辑的编辑要求。评

Hugging Face2025-12-08 更新320

Notes from workshop on AI evaluating the impact of AI on insurance

资源简介：

相关数据集