数据集
54 个数据集
热门分类：
该数据集聚焦于机器人操作任务，包含在家庭场景中使用机械臂拾取纸板箱并放入纸箱的完整过程。数据涵盖402个操作片段、约18.8万帧，提供8个相机视角的视频及状态、动作数据。附有精细的子任务分割、场景描述、末端执行器方向和速度等注释，支持机器人学习与操作技能研究。
魔搭通用SFT数据集是MSAgent-Bench的一个子集，主要涵盖通用问答场景下的监督微调（SFT）数据。每条样本包含一个唯一标识符和对话内容，对话由system、user、assistant三种角色组成，system用于设定模型前置人设，user为用户的输入，assistant为模型的回复。该数据集适用于工具学习、API调用等任务场景，有助于提升模型在复杂交互中的表现。
这个数据集包含约11万条中文对话样本，每条数据由用户提问和模型回答组成，内容涵盖广泛的知识与推理场景。数据基于高性能大语言模型生成，旨在用于微调时作为通用数据集混合，帮助模型保持知识广度、避免遗忘。
该数据集包含约14.5万条价值观比较样本，每条样本由问题（prompt）、正例回复和负例回复组成，并标注了回复的类型（如“拒绝为主”或“风险回复”）。数据集可用于大模型安全与价值观对齐的相关研究，例如通过正例增强模型安全性、利用正反例训练奖励模型，或构造多项选择题来评估模型表现。数据采用JSONL格式，分为训练和测试两部分。
该数据集包含2019年至2021年期间部分上市公司的年报，共11588个PDF文件，总大小约69GB。内容涵盖公司组织架构、员工结构、业务进展、财务数据、战略规划等丰富信息，可用于训练AI模型解读年报、进行深度金融分析。数据集旨在提升大模型在金融场景中的交互能力，适用于构建金融知识问答库、向量库等应用。
匠数科技大模型SFT数据集是一个经过精心整理和严格审核的高质量中文及英文数据集，专为大型语言模型的监督微调（SFT）任务设计。该数据集汇总了众多开源数据，经过格式统一、清洗和内容安全筛查，最终包含超过12M条样本，并按任务类型划分为50个类别，每条样本均包含指令、输入、输出、历史对话等结构化字段，方便用户直接用于训练和评估。数据集覆盖广泛的中文任务，同时英文数据也经过单独整理，兼顾了跨语言翻译等场景，为SFT研究提供了安全、统一、易用的资源。
MSAgent-Bench 是一个面向中文 Agent 场景的数据集，旨在提升开源大语言模型作为中枢，集成并调用多种 AI 模型能力。该数据集包含约 60 万条训练样本和对应的验证样本，涵盖 AI 模型 API、通用 API、与 API 无关的通用 SFT 数据以及 API 检索增强数据。数据格式为每行一个 JSON 样本，包含 `id` 和 `conversations` 字段，其中 `conversations` 由 `system`、`user` 和 `assistant` 三种角色组成，用于模拟模型在插件调用、工具学习和多轮对话中的交互行为。
Matrix 是面向大语言模型预训练的中英文大规模语料资源，包含多个来源和处理阶段，规模约为数万亿 token。
这是一个中文数据集，包含约11万条从DeepSeek-R1蒸馏得到的指令-回答对，已整合为可直接用于监督微调（SFT）的格式。数据涵盖数学、考试、STEM及通用领域（如逻辑推理、小红书、知乎等），并保留了模型打分结果（如正确性、无害性、有用性），便于后续筛选。请注意，数据由模型生成，未经严格验证，使用时需自行甄别。
这是一个用于自我认知微调的数据集，包含108条中英文对话样本。每条样本都通过可替换的占位符（如模型名称和作者）设计，方便用户自定义和生成专属大模型的自我认知数据。
这是一个用于机器人食品包装任务的协作机器人数据集，基于LeRobot扩展格式。数据由配备两指夹爪的AgileX Cobot机器人采集，在厨房场景中执行抓取、拉、放置、拾取等原子动作。数据集包含798个演示片段，总帧数约147万，涵盖两个主要任务：将午餐盒、黄瓜和梨放入小包装袋，以及将午餐盒、香蕉和面包放入大包装袋，并进一步细分为49个子任务。数据以视频、parquet和JSONL等格式提供，支持中英文描述，适用于机器人模仿学习等研究。
这是一个面向机器人操作任务的精细动作数据集，包含648个完整演示片段，总帧数约36.6万，每秒30帧，数据量约4GB。数据集以试管放置为核心任务，涵盖抓取、放置、传递、移动等多种原子动作，并细分为12个子任务。场景覆盖学校与医院两类环境，配备3个相机视角，且提供了丰富的标注信息，包括子任务分割、场景描述、末端执行器的方向、速度、加速度以及夹爪状态等，适合用于机器人模仿学习、动作规划等研究。
这是一个基于 LeRobot 扩展格式的机器人操作数据集，包含 714 个片段（约 41 万帧），记录了在厨房和餐厅场景中，机器人使用两指夹爪完成“倒米”任务的操作过程。任务要求机器人用一只手将碗放至桌子中央，另一只手将米杯中的米倒入碗中，涉及抓取、拾取、放置和倒米等原子动作。数据集包含 3 个视角的视频，并提供了丰富的标注，如子任务分割、场景描述、末端执行器的运动方向/速度/加速度，以及夹爪开合状态等，便于用于机器人学习研究。
这是一个用于机器人操作的数据集，聚焦于“倒米”任务，包含740个演示片段，共计约50万帧，以30帧/秒的速率记录。机器人采用双臂构型，配备两个二指夹爪，在居家和厨房场景中执行抓取、放置、倾倒等原子动作。数据集提供了丰富的标注信息，包括子任务分割、场景描述、末端执行器的运动方向与速度、夹爪开合状态等，还包含3个相机视角的同步视频，可用于模仿学习、行为克隆等研究。
该数据集是一个面向机器人操作任务的倒茶数据集，使用兼容LeRobot的扩展格式。机器人类型为 realman_rmc_aidal，配备两指夹爪，在家庭和餐厅场景中采集。数据包含抓取、放置、拾取和倒水四种原子动作，总共有790个演示片段、约55万帧，以及3个视角的同步视频。每个任务都提供了细粒度的子任务分割、场景描述、末端执行器运动方向与速度标注、夹爪状态等丰富注释，适合用于机器人模仿学习与操作技能研究。
该数据集是一个用于机器人操作任务的数据集，专注于将短裤进行折叠。数据由Realman RMC-AIDA-L机器人配合两指夹爪采集，在家庭场景中完成。数据集包含抓取、拾取、折叠、放置等基本原子动作，共计866个演示片段，约73万帧，覆盖4个主要任务和29个细分子任务。数据格式兼容LeRobot，并提供中英文标注。
该数据集是一个面向机器人操作的仿真数据集，基于LeRobot格式扩展，兼容LeRobot工具链。数据使用RealMan RMC-AIDA-L机器人，配备两指夹爪，在厨房场景中执行反复将水果放入碗中再倒出的操作任务。具体任务包括将面包、蛋黄酥、橙子、桃子分别放入蓝色或粉色碗中并重复倒出，共包含8个主要任务和17个细分子任务。数据集共481个演示片段，约54万帧，帧率30fps，总大小3.7GB，并配有3个相机视角的RGB视频。标注信息丰富，包括子任务分割、场景描述、末端执行器的运动方向、速度和加速度分类等，支持多种机器人学习方法。数据集使用Apache-2.0许可证，语言为英文和中文。
这个数据集包含机器人操作演示，使用Realman RM-C AIDAL机械臂与两指夹爪，在家庭和厨房场景中执行抓取、拾取和放置等动作。具体任务涉及用左右夹爪将篮子移至合适位置，再将长条面包放入篮中。数据集共753个回合，约3.9GB，采用LeRobot兼容格式。
该数据集是一个基于LeRobot格式的机器人操作数据集，专注于将眼镜放入眼镜盒的任务。数据包含990个演示片段，共约86万帧，覆盖4种具体任务（如将黑色眼镜放入黑色或绿色眼镜盒）。机器人型号为realman_rmc_aidal，末端采用两指夹爪，场景为家庭环境。原子动作包括抓取、拾取、折叠、关闭和放置等。数据集提供3个相机视角，并带有丰富的标注，包括子任务分割、场景描述以及末端执行器的方向、速度、加速度等信息。
这个数据集包含727个机器人操作演示片段，总时长约30万帧，数据量3.5GB。机器人型号为RealMan RMC-AIDAL，末端执行器为二指夹爪。场景涵盖家庭和厨房环境，涉及抓取、拿起、放置三类基础动作。任务描述围绕左右夹爪配合完成：将篮子水平放置于桌面中央，再将蛋黄酥放入篮子中。数据集包含4个主要任务和18个子任务，提供3个视角的视频记录，适合用于机器人操作学习研究。