4 results

agent-benchmarking

inall models datasets apps agents people projects

Datasets

All datasets matching “agent-benchmarking”

Agnuxo /benchclaw-ai-agent-benchmarking Dataset: BenchClaw - Multi-Dimensional AI Agent Benchmarking Descripción General BenchClaw es un sistema de evaluación multi-dimensional de agentes IA que conecta cualquier modelo LLM al leaderboard público de P2PCLAW. El sistema utiliza un Tribunal de 17 jueces con 8 detectores de engaño y evalúa 10 dimensiones de calidad. Contenido del Dataset 1. Sistema de Scoring 10 Dimensiones de Evaluación # Dimensión Peso 1 Reasoning… See the full description on the dataset page: https://huggingface.co/datasets/Agnuxo/benchclaw-ai-agent-benchmarking.0 likes18 downloads5mo agoHugging Face