human-intelligence-ai/GDPval-CN-Seed-Set

GDPval-CN Seed Set

中文详细说明 · English documentation · 样本说明

GDPval-CN 种子集包含 11 个中文任务，取材自日常知识工作场景。每个任务包括一份任务说明和一组办公材料，例如表格、PDF、文档和结构化数据文件。

我们同时公开了与任务配套的专家工作流，用于设计评分标准和辅助人工复核。

这 11 个任务来自 11 个选定的专业领域，适合用于了解任务形式、测试文件处理能力和搭建评测流程。

GDPval-CN Seed Set contains 11 Chinese-language tasks drawn from everyday knowledge work. Each task includes a task brief, a set of office files, and a separately published expert workflow for rubric design and review.

数据概览

文件结构

samples/
└── NN_<slug>/
    ├── query.md
    ├── inputs/
    ├── reference/
    │   └── expert_workflow.txt
    └── metadata.json

各文件的用途如下：

• —query.md：提供给模型的任务说明。
• —inputs/：完成任务所需的办公材料。
• —reference/expert_workflow.txt：供评分设计和人工复核使用。
• —metadata.json：样本的中英文元数据。

index.jsonl 是供 Dataset Viewer 展示的样本索引。每一行对应一个任务，包含任务说明、领域和输入文件列表。实际附件位于对应样本的 inputs/ 目录中。

如何使用

进行一次任务评测时：

1. 1.将 query.md 和 inputs/ 中的文件提供给模型或智能体。
2. 2.不要向模型提供 reference/ 目录。
3. 3.根据专家工作流制定评分标准，或将其作为人工复核材料。
4. 4.记录模型可使用的工具、文件解析方式和运行环境。

数据制作与检查

任务及配套材料由相关领域的专家编写。公开前，我们对样本进行了以下检查：

• —任务说明和输入材料是否完整；
• —跨文件的信息是否一致；
• —是否存在会直接暴露答案的内容；
• —是否包含不适合公开的敏感信息；
• —专家工作流能否为评分和复核提供依据。

推荐用途

本数据集可用于：

• —测试模型处理中文知识工作任务的能力；
• —测试模型读取和关联多种办公文件的能力；
• —搭建智能体评测、人工复核或评分流程；
• —研究复杂任务的输入组织和评测设计。

许可证

本仓库中的公开内容采用 CC BY-NC-SA 4.0 许可证，可用于研究和评测。商业使用需要另行取得授权。

数据制作方：Human Intelligence 项目网站：human-intelligence.cn

完整语料

这 11 个任务来自一个更大的专家语料库。完整语料约包含 2,000 个任务，覆盖 28 个专业领域。

完整语料的领域分布如下：

如需了解完整语料或商业授权，请通过项目网站联系。

引用

@misc{gdpval_cn_2026,
  title  = {GDPval-CN: Chinese Real-World Productivity Tasks (Seed Set)},
  author = {Human Intelligence},
  year   = {2026},
  url    = {https://huggingface.co/datasets/human-intelligence-ai/GDPval-CN-Seed-Set},
  note   = {CC BY-NC-SA 4.0}
}