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")