Датасет · harborframework
Бенчмарк научных вычислительных задач в терминале
harborframework/terminal-bench-science
Непрерывно обновляемый бенчмарк реальных вычислительных рабочих процессов в естественных, точных и инженерных науках.
Что внутри
Датасет представляет собой зеркало репозитория Terminal-Bench-Science с GitHub и содержит менее 1000 текстовых примеров. Задания охватывают реальные вычислительные сценарии из биологии, физики, наук о Земле, математики и инженерии. Версии бенчмарка публикуются в виде тегов внутри одного репозитория.
Что можно сделать
- Оценка ИИ-агентов в задачах научной разработки и работы с терминалом
- Тестирование кодовых моделей на сложных междисциплинарных пайплайнах
- Размер
- до 1K записей
- Скачиваний за месяц
- 110,6 тыс.
- Лайков
- 22
Как загрузить
from datasets import load_dataset
ds = load_dataset("harborframework/terminal-bench-science")