数据集
170 个数据集
热门分类：
这个数据集收录了2026年世界杯期间球员的详细表现数据，涵盖个人属性、比赛参与记录、进攻与防守统计、传球与射门指标、门将数据、纪律情况以及体能表现等。无论是用于构建球员评分模型、分析比赛走势，还是进行战术评估与可视化展示，都能提供丰富的分析基础。适合体育数据分析、机器学习和足球研究等多种场景。
该数据集覆盖2026年世界杯全部104场比赛，包含48支球队、1248名球员的完整信息，并实时更新比赛结果、预期进球（xG）、逐分钟事件、球队统计等。数据采用关系型结构，便于SQL建模，可服务于体育分析、机器学习预测及可视化展示。
这个数据集聚焦于青少年心理健康与社交媒体使用之间的关系，包含1200名13至19岁青少年的行为与心理指标。数据涵盖社交媒体使用时长、首选平台、睡眠时长、身体活动水平、学业表现、压力与焦虑程度，以及抑郁状态标签。通过分析这些变量，可以观察到睡眠不足、过度使用社交媒体、高压力焦虑与抑郁倾向之间的关联，同时身体活动似乎对心理健康具有一定保护作用。该数据集适用于探索影响青少年心理健康的多种因素，支持分类、回归或相关性分析等任务。
该数据集包含开普勒太空望远镜观测到的约10,000个系外行星候选体的累积记录，涵盖候选体名称、处置状态（候选、误报、已确认）及置信度评分等关键信息。适用于分析系外行星确认与误报的规律，探索行星候选体的特征分布，以及研究命名和置信度评分模式。
OmniThoughtV 是一个大规模多模态长链推理数据集，包含约 180 万条样本。数据集通过蒸馏技术构建，将图像与思维链推理过程相结合，样本格式包含系统提示、用户问题以及助手的逐步推理和最终答案，图像以 base64 编码字符串存储。使用该数据集微调模型，能够有效提升模型在视觉理解和推理任务上的表现，尤其在推理密集型基准上效果显著。
这是一个由社区贡献的AI提示词（prompts）数据集，包含大量用户分享的各类对话提示，适用于ChatGPT、Claude、Gemini、Llama、Mistral等主流AI聊天模型。数据覆盖问答和文本生成任务，规模在10万到100万条之间，提供CSV等格式，方便直接使用和分析。
该数据集采用多种格式（bin、csv、jsonl）存储，内容涵盖模型、表格数据和结构化文本，且记录可读，便于灵活调用与分析。
L3 tmp D5 restricted
部分同步
这是一个名为“L3 tmp D5 restricted”的临时数据集，属于L3级别，可能带有访问限制。
这份数据集以 L3 tmp D4 为标题，提供 CSV 与二进制（bin）两种格式，内容涵盖表格型数据与模型。数据记录可读，便于直接使用与分析。
这是一个名为“L3 tmp D1”的数据集，包含二进制、CSV 和 JSONL 三种格式，覆盖模型、表格和结构化文本三类内容。数据集中的记录可读，便于直接使用。
rs-accept http file
已完整同步
该数据集包含用于接受测试的HTTP文件，数据格式为二进制，不可直接读取。内容涉及HTTP文件传输的验证场景。
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。
CAM++ 说话人确认模型基于密集连接时延神经网络，专为中文通用场景设计，在约 200k 说话人的大规模数据集上训练而成。该模型在说话人识别任务中兼顾高性能与高效率，相比主流模型（如 ResNet34、ECAPA-TDNN）在准确率与推理速度上均有优势，可广泛用于说话人确认、说话人日志、语音合成及说话人风格转换等场景。
yiliu666/xiaoduan
已完整同步
该数据集包含了小端AI助手的多个版本安装包、本地模型文件及相关资料。小端AI是一款运行在Windows和macOS上的智能助手，支持语音和文字交互，具备永久记忆、视频识别、图片识别、音频识别、自我进化等能力，并能接入QQ、飞书等平台实现语音对话与控制。数据集中的版本包括mac测试版、Windows正式版及测试版，并提供了适配不同硬件配置的本地模型（如35B和9B的GGUF文件），方便用户按需选择。此外，还包含配置文件、说明文档等，适用于希望自部署或二次开发AI助手的用户。
这个数据集是为虚拟试衣任务构建的，包含在VITON-HD、VITON和DressCode（上装部分）三个开源数据集图片上重新标注的语义关联关键点。每个数据集均由服饰平铺图片和人像图片组成，其中语义关联的关键点对将人像与服饰的局部语义对应起来。标注采用统一规则，适用于不同款式的服饰，确保相同序号的关键点在不同类型服饰上具有一致语义。每张图片标注了32个关键点，并附带可见、遮挡、不存在三种互斥属性，标注结果以pkl文件格式存储。
该数据集包含从2011年到2014年某电商平台的海量消费者行为数据，涵盖52万件商品、1100多个类目、142万用户及720万条评论与评分。每条评论均包含评论标题、评论内容以及1-5分的评分，可用于训练商品评论情感预测模型。数据集还提供了商品信息、商品类别列表等辅助文件，便于进行细粒度的分析与建模。
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。
基于FST的中文ITN
已完整同步
这是一个基于OpenFST构建的中文逆文本规范化（ITN）模型，支持自定义转换规则，能够将口语化表达（如“二点五平方电线”）转换为标准文本形式。模型通过Python接口调用，方便集成到各类文本处理流程中。
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。