Датасет · allenai
Бенчмарк сложнейших пользовательских запросов для LLM
allenai/WildBench
Подборка реальных сложных промптов на английском языке из WildChat для проверки больших языковых моделей.
Что внутри
Датасет представляет собой отобранное подмножество реальных диалогов пользователей из корпуса WildChat, оформленное в виде бенчмарка от Allen Institute for AI (AI2). Содержит от 1 до 10 тысяч примеров на английском языке в табличном и текстовом виде под лицензией CC BY.
Что можно сделать
- Сравнение и оценка LLM на реальных, нешаблонных пользовательских задачах
- Анализ слабых мест языковых моделей при работе со сложными инструкциями
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 2,1 тыс.
- Лайков
- 41
Как загрузить
from datasets import load_dataset
ds = load_dataset("allenai/WildBench")