上海人工智能实验室 发布 VerifierBench 数据集, 应用在 模型验证、人工智能评估 领域

上海人工智能实验室 本次发布的数据集 VerifierBench, VerifierBench是一个用于评估不同模型验证能力的基准数据集，它收集了超过130万个数据样本，涵盖了知识、数学、科学和推理等领域的回答。该数据集通过OpenCompass框架进行大规模评估，并经过多阶段过滤流程，包括多专家投票、多提示投票和人工标注分析。此外，VerifierBench还包含了人类分析的错误模式，为模型性能评估提供了更细致、多维和现实的角度。

查看VerifierBench

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。