alibaba-multimodal-industrial-ai / IndustryBench
多语言工业领域知识基准，覆盖12个工业领域，中英俄越四种语言。
仓库许可不等于数据内容权利已全部清理，商用仍需核对数据来源、隐私与版权条款。
项目方资料核对
该数据集聚焦中国工业采购领域的国标(GB/T)知识评测,多语言版本均为中文源材料的翻译,适用场景局限;评估依赖LLM裁判评分,结果受裁判模型选择影响。
- 评测大模型对中国工业采购国标(GB/T)与工业产品记录的闭卷知识掌握程度
- 数据源为中国国家标准(GB/T)和中国工业产品记录,英、俄、越文版本均为中文源材料的翻译,所测知识本质上是中文工业采购领域,非通用工业知识
- 评估采用经校准的LLM裁判按0-3分打分,正确性评分受裁判模型自身能力影响,跨评测复现时需固定裁判模型
- 评测为闭卷形式(closed-book),仅依据问题作答,不反映模型结合检索上下文进行推理的能力
截至 2026-07-22