搜索开放度全部开放度开放需申请闭集未知可信级别全部可信级别S · 高可信A · 已审核B · 待确认应用筛选

共 57 个 benchmark

排序:热度增速下载量Stars被引最新名称

Benchmark	测评分类	可信级别	开放	热度	下载(30d)	Stars	被引
MedQA MedQA· 多家	垂直领域医疗	S高可信		38.2	7,185	—	2,009
LegalBench · Stanford 等	垂直领域法律	S高可信		36.0	3,056	628	23
frontierscience · openai	垂直领域科学	B待确认		27.9	70,173	—	—
multi_lexsum · allenai	垂直领域法律	B待确认		27.1	1,994	—	69
LEXam · LEXam-Benchmark	垂直领域法律	B待确认		27.0	1,872	—	50
FinanceBench · 多家	垂直领域金融	S高可信		26.7	2,939	—	292
scicite · allenai	垂直领域科学	B待确认		25.7	608	—	319
CritPt · CritPt-Benchmark	垂直领域科学	B待确认		25.2	4,402	—	11
peer_read · allenai	垂直领域科学	B待确认		25.0	259	—	290
HealthBench · OpenAI	垂直领域医疗	S高可信		22.4	4,177	—	—
novalad-evaluation · codewithaman	垂直领域通用行业	B待确认		22.2	233	—	371
climate-evaluation · eci-io	垂直领域科学	B待确认		22.2	459	—	79
PDE_Inverse_Problem_Benchmarking · DabbyOWL	垂直领域科学	B待确认		21.7	9,752	—	2
plant-genomic-benchmark · InstaDeepAI	垂直领域生物	B待确认		21.0	9,365	—	—
genomics-long-range-benchmark · InstaDeepAI	垂直领域生物	B待确认		19.6	4,191	—	—
healthbench-professional · openai	垂直领域医疗	B待确认		19.4	1,720	—	—
JobBERT-evaluation-dataset · TechWolf	垂直领域通用行业	B待确认		18.9	282	—	56
ade_corpus_v2 · ade-benchmark-corpus	垂直领域医疗	B待确认		18.2	1,250	—	—
LitSearch · princeton-nlp	垂直领域科学	B待确认		17.5	1,128	—	—
RAG-Evaluation-Dataset-KO · allganize	垂直领域通用行业	B待确认		17.1	353	—	—
Additive-Manufacturing-Benchmark · ppak10	垂直领域通用行业	B待确认		16.9	2,967	—	—
rag_instruct_benchmark_tester · llmware	垂直领域金融	B待确认		16.7	121	—	—
Cultural-Evaluation-Kalahi · aisingapore	垂直领域通用行业	B待确认		16.5	648	—	6
benchmark-research · sselaine27	垂直领域金融	B待确认		16.0	3,580	—	—
FinQA · embedding-benchmark	垂直领域金融	B待确认		15.6	2,919	—	—

第 1 / 3 页

上一页下一页