Qwen/RecreationBench
Viewer • Updated • 500 • 100 • 8
Edit Datasets filters
Active filters: evaluation
atroposhealth/precision-evidence-bench
Viewer • Updated • 209 • 110 • 5
Alibaba-Aone/aacr-bench
Viewer • Updated • 2.15k • 561 • 9
MiniMaxAI/OctoCodingBench
Viewer • Updated • 72 • 429 • 364
treadon/abliteration-eval
Viewer • Updated • 283 • 268 • 3
surgeai/GDP.pdf
Viewer • Updated • 100 • 61k • 22
treadon/disinhibition-eval
Viewer • Updated • 248 • 48 • 2
Qwen/Qwen-Image-Bench
Viewer • Updated • 1k • 7.25k • 49
Qwen/AgentWorldBench
Viewer • Updated • 2.17k • 1.18k • 108
llamaindex/ExtractBench
Benchmark • Updated • 370 • 20.2k • 32
harborframework/terminal-bench-2.1
Benchmark • Updated • 158k • 11
alexshpunt/explicit-edit-benchmark
Viewer • Updated • 86 • 7.81k • 2
KlangAI/klang-dialects
Viewer • Updated • 3.69k • 46 • 2
dnhkng/arc-agi-3-teaching-suite
Viewer • Updated • 100 • 75 • 2
Luni/laya-jev-benchmark
Updated • 57 • 2
LocalLLaMA/terminal-bench-mini
Viewer • Updated • 14 • 305 • 2
ddffwyb/EchoPolicy-0-MolmoSpaces-eval
Viewer • Updated • 3.92k • 494 • 2
TIGER-Lab/MMLU-Pro
Benchmark • Updated • 12.1k • 246k • 514
openthaigpt/thai-ocr-evaluation
Viewer • Updated • 104 • 192 • 9
nvidia/compute-eval
Viewer • Updated • 3.1k • 720 • 30
Salesforce/CRMArenaPro
Viewer • Updated • 8.61k • 2.04k • 18
Naholav/claude_4_math_evaluation_500
Preview • Updated • 79 • 1
DAGroup-PKU/RoVid-X
Preview • Updated • 17.6k • 72
harborframework/terminal-bench-2.0
Benchmark • Updated • 89.6k • 51
KRAFTON/ArtiBench
Viewer • Updated • 1k • 963 • 6
rl-rag/hle-gpt-oss-120b-no-python-260222
Viewer • Updated • 9.71k • 4.83k • 1
PhysionLabs/Physion-Eval
Preview • Updated • 732 • 19
JibuMaroyi/frontier-model-blindspots
Viewer • Updated • 10 • 19 • 1
internlm/WildClawBench
Benchmark • Updated • 8.99k • 71
kensho/WILD-raw
Viewer • Updated • 7.24M • 418 • 3