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
JobBERT-evaluation-dataset · TechWolf	垂直领域通用行业	B待确认		18.9	282	—	56
vllm_safety_evaluation · PahaII	安全对齐越狱攻防	B待确认		18.9	50	—	114
scitail · allenai	推理通用推理	B待确认		18.7	4,922	—	—
FACTS-grounding-public · google	知识问答事实性	B待确认		18.7	1,401	—	—
speculator_benchmarks · RedHatAI	性能/成本推理速度	B待确认		18.6	5,216	—	—
SWE-QA-Pro-Bench · TIGER-Lab	代码仓库级代码	B待确认		18.6	649	—	6
MERA · MERA-evaluation	中文中文通用	B待确认		18.5	2,893	—	—
joyo-kanji-yomi-benchmark-parakeet · Parakeet-Inc	多模态音频	B待确认		18.2	502	—	1
ade_corpus_v2 · ade-benchmark-corpus	垂直领域医疗	B待确认		18.2	1,250	—	—
STRABLE-benchmark · inria-soda	表格/结构化表格机器学习	B待确认		18.2	2,389	—	2
HRVideoBench · TIGER-Lab	多模态视频	B待确认		18.1	384	—	17
test_generation · livecodebench	代码代码生成	B待确认		17.7	2,295	—	—
VideoFeedback2 · TIGER-Lab	多模态视频	B待确认		17.7	277	—	30
Fraud-R1-LLM-Defense-Fraud-Benchmark · Chouoftears	安全对齐越狱攻防	B待确认		17.6	62	—	43
ImagenWorld · TIGER-Lab	多模态文生图	B待确认		17.6	268	—	6
LitSearch · princeton-nlp	垂直领域科学	B待确认		17.5	1,128	—	—
DL3DV-Evaluation · DL3DV	多模态视频	B待确认		17.2	648	—	—
MPB_Missing-Premise-Benchmark · ant-intl	推理通用推理	B待确认		17.1	98	—	0
MATH MATH· OpenAI	数学竞赛数学	S高可信		17.1	—	—	6,224
RAG-Evaluation-Dataset-KO · allganize	垂直领域通用行业	B待确认		17.1	353	—	—
onprem-llm-benchmark · Scherm-AI	性能/成本推理速度	B待确认		17.1	4,044	—	—
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	—	—
code_x_glue_cc_clone_detection_big_clone_bench · google	代码代码生成	B待确认		16.7	764	—	—
CPI-benchmark · TaobaoTmall-AlgorithmProducts	多模态文生图	B待确认		16.5	266	—	2

第 8 / 18 页

上一页下一页