zjunlp/DataPRM-DABStep

Name: zjunlp/DataPRM-DABStep
Creator: zjunlp
Published: 2026-04-27 09:52:17
License: 暂无描述

Hugging Face2026-04-27 更新2026-05-03 收录

下载链接：

https://hf-mirror.com/datasets/zjunlp/DataPRM-DABStep

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: mit ---

提供机构：

zjunlp

zjunlp/DataPRM-ScienceAgentBench

--- license: mit ---

Hugging Face2026-04-27 更新00

adyen/DABstep

DABstep是一个多步骤推理的基准数据集，包含三个部分：tasks, submissions, 和 task_scores。tasks部分用于用户运行基准，submissions和task_scores部分用于支持leaderboard功能。

Hugging Face2026-06-17 更新560

zjunlp/BeliefTrackDataset

BeliefTrack是一个用于多轮语言模型交互中**上下文信念管理（CBM）**的封闭世界基准。每个示例要求模型维护与正式证据保持一致的假设集合。

Hugging Face2026-05-29 更新00

DABstep

DABstep是一个用于评估AI代理在现实多步数据分析任务上的性能的新型基准。它包含超过450个来自金融分析平台的真实世界挑战，需要模型将基于代码的数据处理与对异构文档的上下文推理相结合。每个任务都需要迭代的多步问题解决方法，测试数据操作、跨引用多个源和精确结果报告的能力。该基准提供了一种事实性答案格式，并具有自动正确性检查，以实现大规模的客观评分。我们评估了领先的基于LLM的代理，揭示了一个巨大

arXiv2025-06-30 更新1220

zjunlp/OceanBench

OceanBench是一个专门设计来评估大型语言模型在海洋学任务上能力的基准。它包含了15种与海洋相关的任务，包括问答、信息提取和描述等。

Hugging Face2024-07-05 更新160