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 450 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
bigcodebench-perf BigCodeBench· bigcode	性能/成本推理速度	B待确认		6.6	28	—	—
ja-vicuna-qa-benchmark · llm-book	语言/语义通用问答	B待确认		6.4	26	—	—
bigcodebench-domain BigCodeBench· bigcode	代码代码生成	B待确认		6.2	23	—	—
histone_modification_benchmark_v1 · DNA-LLM	垂直领域生物	B待确认		6.1	22	—	—
ade_benchmark_with_llm_reason · jay0911	垂直领域医疗	B待确认		6.1	14	—	—
SimRelUz_semantic_evaluation_dataset · elmurod1202	语言/语义语义相似度	B待确认		6.1	14	—	—
representational-collapse-llm-benchmark · wu981526092	安全对齐越狱攻防	B待确认		6.0	21	—	—
cpg_methylation_benchmark_v1 · DNA-LLM	垂直领域生物	B待确认		6.0	21	—	—
LLM-Ribozyme-Kinetics-Golden-Benchmark · jackkuo	垂直领域生物	B待确认		6.0	20	—	—
enhancer_annotations_benchmark_v1 · DNA-LLM	垂直领域生物	B待确认		5.8	19	—	—
chromatin_accessibility_benchmark_v1 · DNA-LLM	垂直领域生物	B待确认		5.7	17	—	—
maze-llm-benchmark-v1 · erdem-erdem	推理游戏推理	B待确认		5.7	17	—	—
DOUBLE_ENTRY_LOGGING_FOR_LLM_AGENTS_TO_DETECT_ISSUES_AT_PROD_BENCHMARK · samliumay	智能体工具调用	B待确认		5.7	17	—	—
El-TARA_Spanish_LLM_Benchmark · emre	推理通用推理	B待确认		5.1	8	—	—
bigcodebench-tool BigCodeBench· bigcode	代码工具调用	B待确认		5.1	8	—	—
SWE-bench Test SWE-bench· Princeton	代码仓库级代码	A已审核		5.1	—	—	—
Aider Refactor Aider· Aider	代码代码生成	A已审核		5.1	—	—	—
tabular-benchmark · inria-soda	表格/结构化表格机器学习	B待确认		5.0	12	—	—
nigeria-livestock-llm-benchmark · Fatika01	垂直领域通用行业	B待确认		5.0	12	—	—
SWE-bench Multilingual SWE-bench· Princeton	代码仓库级代码	A已审核		5.0	—	—	—
detoxic_benchmark · d-llm	安全对齐对齐安全	B待确认		4.7	10	—	—
wikitext2-MIA-Benchmark · mia-llm	安全对齐数据污染	B待确认		4.7	10	—	—
vizdoom-llm-inverse-dynamics-benchmark · HiggsBoson	智能体环境控制	B待确认		4.7	10	—	—
Quad_benchmark_cqa_latest · LLM-Beetle	知识问答通用问答	B待确认		4.1	7	—	—
persian-llm-eval · heyparsadev	语言/语义多语低资源	B待确认		2.7	—	4	—

第 16 / 18 页

上一页下一页