Qwen / AgentWorldBench
评估语言世界模型的基准，数据来自真实环境轨迹与地面真值。
下载 87 · 收藏 17 · 27天前更新
- py from datasets import load_dataset ds = load_dataset("Qwen/AgentWorldBench")
2026-06-25 数据集 (5)
allenai / olmOCR-bench
包含1403个PDF文件和7010个测试用例，评估OCR系统转换PDF为markdown的能力。
下载 5.9k · 收藏 243 · 5个月前更新
AletheiaResearch / GLM-5.2-Agent
GLM-5.2模型生成的284个代理追踪文件，包含训练可用的工具模式。
下载 599 · 收藏 12 · 27天前更新
- py from datasets import load_dataset ds = load_dataset("AletheiaResearch/GLM-5.2-Agent")
Crownelius / Complete-FABLE.5-traces-2M
FABLE.5和Mythos的完整追踪数据集，已去重并保留来源信息。
下载 674 · 收藏 12 · 1个月前更新
- py from datasets import load_dataset ds = load_dataset("Crownelius/Complete-FABLE.5-traces-2M")
makora-ai / triton-gpu-latency
PyTorch问题与Triton内核实现配对的GPU延迟数据集，标签为内核运行时。
下载 84 · 收藏 11 · 1个月前更新
- py from datasets import load_dataset ds = load_dataset("makora-ai/triton-gpu-latency")