1. C-Eval

• 數據集源地址:?C-Eval Official Repository

• 數據范圍: 該數據集包括學科類知識測試，涵蓋廣泛的學科知識，例如數學、物理、化學等。

• 數據集大小及數據形式: 數據集包含13,948道單選題，題目均為中文。

• 論文地址:?C-Eval: A Multi-level, Multi-task Benchmark Dataset in Chinese

• 評測代碼地址:?C-Eval Evaluation Code

• 評測排行榜: 可以在C-Eval的官方倉庫找到詳細的評測結果。

2. CMMLU

• 數據集源地址: 官方未提供單獨的倉庫，一般在相關研究論文和GitHub上可以找到具體實現和示例。

• 數據范圍: 包含中文學科知識測試，類似于英文的MMLU，涵蓋文學、歷史、物理等多個領域。

• 數據集大小及數據形式: 具體題目數量和形式未詳細披露，題目主要為中文文本。

• 論文地址: 暫無明確論文地址，可參考相關領域的研究論文。

• 評測代碼地址: 具體評測代碼可參見相關研究項目和GitHub倉庫。

• 評測排行榜: 未明確提供官方排行榜，但在相關研究中會展示模型在該數據集上的表現。

3. GaoKao

• 數據集源地址:?Gaokao Official Repository

• 數據范圍: 涵蓋高考試題，包括選擇題、填空題和解答題，涉及語文、數學、英語等。

• 數據集大小及數據形式: 數據集大小不一，通常分為多個子集。具體數量和形式取決于每年的高考試卷。

• 論文地址:?GAOKAO-Benchmark: Evaluating Large Language Models with Chinese Gaokao

• 評測代碼地址:?GAOKAO Evaluation Code

• 評測排行榜: 官方倉庫和論文中可以找到模型在GaoKao數據集上的評測結果。

4. MMLU (Massive Multitask Language Understanding)

• 數據集源地址:?MMLU Official Repository

• 數據范圍: 英文學科知識測試，包含57個領域，涵蓋人文科學、理工科、社科等。

• 數據集大小及數據形式: 包括57個領域的12,554個問題，數據主要為選擇題形式。

• 論文地址:?Measuring Massive Multitask Language Understanding

• 評測代碼地址:?MMLU Evaluation Code

• 評測排行榜: 可以在官方倉庫找到最新的評測結果和排行榜。

5. GSM8K (Grade School Math 8K)

• 數據集源地址:?GSM8K Official Repository

• 數據范圍: 專注于小學數學問題解決，涵蓋基本數學技能。

• 數據集大小及數據形式: 包括8,000條問題和解決方案，問題主要以文本形式給出，答案為詳細的解題步驟。

• 論文地址:?Training Verifiers to Solve Math Word Problems

• 評測代碼地址:?GSM8K Evaluation Code

• 評測排行榜: 官方倉庫和論文中展示了模型在GSM8K數據集上的評測結果。

請注意，數據集的具體細節和最新信息可能隨時間變化，請參考相關鏈接和官方資源獲取最新的更新。