"数据集" 的搜索结果
共找到6个结果（工具6个· 资讯0篇· 技能0个），已按相关性为你排序。
AI工具 (6)
CMMLU：权威中文大语言模型知识理解能力评测基准与67学科全覆盖测试集
109
CMMLU（Chinese Massive Multitask Language Understanding）是一个专门针对中文语境设计的大规模多任务语言理解评测基准，涵盖从初等到高等专业级别的67个学科主题，包含自然科学、社会科学、工程技术、人文学科以及具有中国文化特色的内容（如中国驾驶规则等）。测试集包含11,582道四选一选择题，每道题均提供四个选项且仅有一个正确答案，用于评估大语言模型在中文语境下的知识掌握程度和推理能力。
2026-05-30AGI-Eval：上海交通大学等顶尖高校联合打造的大模型评测社区与权威第三方评测平台
107
AGI-Eval是由上海交通大学、同济大学、华东师范大学及DataWhale等顶尖高校与机构联合打造的大模型评测社区，以“评测助力，让AI成为人类更好的伙伴”为使命。平台通过一系列高质量的人类认知考试（如LSAT、中国高考、SAT、数学竞赛、律师资格考试等）评估基础模型的通用能力，整合中英文双语任务，提供业内大语言模型的综合能力得分排名，涵盖综合评测及各专项能力评测。平台还提供Data Studio数据工坊，拥有超过3万众包用户，已上线485个任务标签，数据总量超过32万条，支持用户自建评测集、高校私有数据集托管，并已开源内部评测框架。
2026-05-31OpenCompass：上海人工智能实验室打造的开源大模型全方位评测体系与司南开放平台
92
OpenCompass（司南）是由上海人工智能实验室推出的开源开放大模型评测体系，提供一站式大语言模型、多模态模型及科学智能模型评测服务。平台支持300+评测数据集、200+大语言模型、150+多模态模型的一键式分布式评测，涵盖知识、语言、推理、理解、数学、代码生成、智能体决策等八大能力维度，并扩展至科学智能、AI计算系统、具身智能、安全可信及垂类行业应用等六大领域，形成“六位一体”的全景评估范式。
2026-05-31MMLU：大语言模型多任务语言理解能力的国际权威评测基准
85
MMLU（Massive Multitask Language Understanding）是由加州大学伯克利分校等机构联合发布的大规模多任务语言理解评测数据集，涵盖57个学科领域，包括人文科学、社会科学、自然科学、工程技术以及医学、法律、数学等专业领域，题目难度覆盖从初等知识到高阶专业知识。测试集包含约14,000道四选一选择题，用于评估大语言模型在零样本和少样本场景下的知识储备与推理能力，是目前全球引用率最高的大模型评测基准之一。
2026-05-31StableLM——Stable Diffusion同门开源的AI大模型，3B参数就能跑、还可商用
56
StableLM是Stability AI推出的开源大语言模型系列，基于The Pile扩展数据集训练，数据规模达1.5万亿token。提供1.6B、3B、7B、12B等多个参数版本，支持文本生成与代码编写。采用CC BY-SA 4.0开源协议，允许免费商用。Stable LM 2 12B在部分基准测试中表现超越Llama 2 70B。适合开发者、研究者及中小企业私有化部署。
2026-07-02PubMedQA——专为生物医学问答打造的“AI标尺”，能读懂科研论文才算真正通过“医学图灵测试”
9
PubMedQA是首个要求对生物医学研究文本进行推理的问答数据集，由匹兹堡大学等机构于2019年发布。其任务基于PubMed摘要回答Yes/No/Maybe三类问题，包含1k专家标注数据与211k人工生成数据，旨在评估AI模型对复杂医学文献的理解与推理能力。被广泛用于衡量大语言模型在医学领域的实际水平。
2026-07-10