决策模型
jevalt-bench
3,116 条英语、土耳其语和德语情境文本，用于测试从固定答案中作出选择并为每个答案给出概率的模型。
截至 2026年10月18日，Hugging Face 下载量为 1,600 次。
开放基准测试
这些公开测试用于比较人工智能模型，并公开数据或代码。每个页面都会说明测试内容、适用人群、运行方法，以及如何解读已发布的结果。
任务型人工智能助手
Tholos-Bench
160 项工作区任务，用于测试小型人工智能助手，并根据完成的工作是否符合要求评分。
截至 2026年10月18日，Hugging Face 下载量为 170 次。