Датасет · Qwen
Бенчмарк безопасности рассуждений моделей Qwen3Guard
Qwen/Qwen3GuardTest
Набор данных для проверки безопасности не только итоговых ответов, но и промежуточных шагов рассуждения моделей.
Что внутри
Тестовый бенчмарк от команды Qwen для оценки систем модерации Qwen3Guard. Внутри от 1 до 10 тысяч примеров в текстовом и табличном виде. В отличие от обычных тестов безопасности, здесь проверяются длинные цепочки рассуждений (reasoning) моделей.
Что можно сделать
- Оценка и тестирование систем безопасности (guardrails) для LLM
- Проверка безопасности промежуточных шагов в reasoning-моделях
- Сравнение фильтров контента на сложных сценариях
- Задачи
- Классификация текста
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 793
- Лайков
- 37
Как загрузить
from datasets import load_dataset
ds = load_dataset("Qwen/Qwen3GuardTest")