К содержимому

Датасет · evaleval

Единая база результатов оценки ИИ-моделей Every Eval Ever

evaleval/EEE_datastore

От 1 до 10 тысяч JSON-записей со скорами разных моделей из лидербордов, научных статей и локальных прогонов.

Что внутри

Открытая база данных с результатами бенчмарков и проверок ИИ-моделей, приведёнными к единой схеме. Внутри от 1 000 до 10 000 записей в формате JSON: данные собраны с публичных лидербордов, из научных статей и локальных замеров. Каждая запись соответствует одному прогону модели на оценке и может дополняться файлами с результатами по отдельным примерам.

Что можно сделать

  • Сравнительный анализ и агрегация метрик разных LLM из независимых источников без повторного парсинга
  • Построение аналитических дашбордов и исследование корреляций между бенчмарками
Задачи
Другое
Размер
1K–10K записей
Скачиваний за месяц
555,3 тыс.
Лайков
63

Как загрузить

from datasets import load_dataset

ds = load_dataset("evaleval/EEE_datastore")