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。
2个月前更新
2026-06-25 收录的数据集（5）
本页记录当日收录项目。
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。
6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。
2个月前更新
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。
2个月前更新
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。
3个月前更新