Pruebas abiertas para comparar modelos de inteligencia artificial, con datos o código públicos. Cada página explica qué comprueba la prueba, a quién va dirigida, cómo ejecutarla y cómo leer los resultados publicados.
Modelos para tomar decisiones
3116 situaciones escritas en inglés, turco y alemán para evaluar modelos que eligen entre respuestas predefinidas y asignan una probabilidad a cada una.
1600 descargas en Hugging Face al 18 de octubre de 2026.
Modelos para tomar decisiones
Un conjunto abierto de pruebas que comprueba cómo afectan los cambios de una pregunta a un modelo que elige entre respuestas predefinidas.
Asistentes de IA para tareas
160 tareas en un espacio de trabajo para evaluar asistentes de inteligencia artificial basados en modelos pequeños según si el trabajo terminado coincide con la solicitud.
170 descargas en Hugging Face al 18 de octubre de 2026.