数据集
97 个数据集
热门分类：
这个数据集专注于机器人操作任务，包含507个片段、约21万帧图像和92.8GB的数据，全部以LeRobot兼容格式存储。场景设定在工厂环境中，机器人（ruantong_a2d型号，配备二指夹爪）执行抓取、放置和拾取等原子动作，主要任务是将工具放入盒子。数据由8个摄像头视角录制，并提供了丰富的标注，包括子任务分段、场景描述、末端执行器运动方向/速度/加速度、夹爪开合状态以及仿真空间中的6D位姿信息。数据集采用Apache-2.0许可协议，适合用于机器人模仿学习、动作规划等研究。
这是一个机器人操作数据集，包含工厂场景中450个episode的抓取与放置任务，机器人型号为ruantong_a2d，配备两指夹爪。数据集涵盖抓取、拾取和放置三种原子动作，主要任务为同时抓取鼠标和电源线并放入盒子。共包含8个摄像头视角，提供子任务分割、场景描述、末端执行器方向/速度/加速度以及夹爪开合状态等丰富注释，格式兼容LeRobot，总大小约86GB。
本数据集是AgiBot-g1_left_capture_part，专注于机器人抓取任务。数据使用ruantong_a2d型机器人，配备两指夹爪，在工厂场景中执行“单手抓取零件并放入黑色容器”的操作，包含3个子任务。数据集共464个episodes，约17.5万帧，帧率30FPS，大小97.3GB，提供8个相机视角。同时带有丰富的注释信息，包括子任务分割、场景描述、末端执行器方向/速度/加速度、夹爪开合模式与活动状态等，适用于多种机器人学习方法。
AgiBot g1 box storage cardboard box c 是机器人操作演示数据，聚焦将纸箱等物体进行收纳和放置的操作任务，包含视频、轨迹和元数据。
Split_aloha_stack_baskets 是一个机器人操作数据集，基于 LeRobot 扩展格式。它使用 Agilex Cobot Decoupled Magic 机器人平台，配备两指夹爪。数据在家庭和厨房场景中采集，包含抓取、拾取和放置三种原子动作。主要任务是将黑色和棕色篮子按顺序叠放，共计 1066 个 episode、约 47 万帧，总大小 17.5 GB。数据集还提供了 3 个摄像头视角，并标注了细粒度子任务（如“用左夹爪抓取浅色篮子”、“将深色篮子放在浅色篮子之上”等），以及场景分类、末端执行器方向与速度等丰富注释，适用于多种机器人学习研究。
该数据集专注于机器人倒水操作，包含896个完整演示片段，总帧数超过130万。机器人使用两指夹爪，在家庭场景中执行抓取、放置和拾取等原子动作。任务涵盖拿起不同品牌的纸杯和矿泉水瓶，将水倒入杯中并放回原位，共包含8个主要任务和42个详细子任务。数据集兼容LeRobot格式，总大小约13.8GB，适合用于机器人模仿学习研究。
该数据集是一个面向机器人操作的技能数据集合，专注于倒饮料任务。机器人采用六轴协作臂搭配两指夹爪，在家庭场景中执行抓取、拾取、放置和倾倒等原子动作。数据集包含61个具体任务，涉及将橙汁、红酒、雪碧等液体以不同比例倒入黑色马克杯、纸杯和透明杯中，总计1613条演示轨迹，约86万帧画面，视频与动作数据均已同步录制，格式兼容LeRobot框架。
这个数据集专注于桌面整理场景的机器人操作任务，包含1660个完整的操作片段，总帧数超过260万。数据以30帧/秒的速度录制，涵盖抓取、捡拾、放置等基本动作，任务涉及将橘子、纸团、瓶子、文具等物品放入指定容器或笔筒中。数据集采用与LeRobot兼容的格式，提供中英文标注，适合用于机器人学习与操作技能训练。
这个数据集是一个面向桌面整理任务的机器人操作数据集，采用与 LeRobot 兼容的扩展格式。它涵盖了家庭和办公室两种典型场景，包含抓取、捡拾和放置三种原子动作，共收集了 1070 个演示片段，总帧数超过 200 万，帧率为 30fps，数据量约 32.3GB。数据集内包含 6 个主要任务（如将香蕉放到盘子里、把废纸丢进篮子、将水杯直立摆放在盘子旁边等），并进一步细分为 108 个子任务。文本描述同时支持中英文，便于不同语言背景的研究者使用。
这是一个机器人操作数据集，专注于使用两指夹爪执行拉链拉开与拉合动作。数据集包含1868个演示片段、超过83万帧图像，涵盖6个主要任务和14个细分子任务，均在家庭场景中采集。每个片段提供3个相机视角，并包含丰富的标注信息，如子任务分割、场景描述、末端执行器运动方向与速度、夹爪开合状态等，适合用于机器人模仿学习与操作技能研究。
NuminaMath-CoT 是数学推理训练与评测数据集，包含约 86 万道数学题及对应解答，字段包括题目、解答、来源和多轮消息，并提供训练集与测试集。
这是一个从ShareGPT对话中精选的英文对话数据集，经过严格清洗得到约5.3万条高质量样本。清洗过程移除了非英语内容、大量重复字符，并过滤掉了包含常见“AI道德说教”短语的对话，旨在减少模型训练中的安全拒绝倾向。数据集提供两个版本，其中一个额外去掉了含有“I'm sorry, but”的实例，使用者可根据需求选择。适合用于训练开放、少限制的对话模型。
sarosavo/Master-RM
已完整同步
这是一个用于训练鲁棒生成式奖励模型（Master-RM）的合成数据集，包含约18万条训练样本。每条样本由问题、回答和二元偏好标签组成，适用于监督微调、偏好优化等任务。数据集特别针对生成式奖励模型容易被表面操作（如无意义符号或推理开头）欺骗的漏洞进行了增强，通过额外添加2万个负例样本，帮助模型提升抵抗这类攻击的鲁棒性。
这个数据集是为PCMind-v2.1-Kaiyuan-2B语言模型提供的完整预训练数据集，总规模超过1TB。它包含5个训练阶段，覆盖英语、中文、代码、数学和SFT五大领域，并采用领域特定的混合策略和两种采样方式（前两阶段均匀采样，后三阶段基于课程学习排序）。数据以文本形式呈现，支持中英文，适用于文本生成任务。
IWR-Bench 是一个专门用于评估多模态大语言模型（LVLMs）从用户交互视频中重建交互式网页能力的基准数据集。它包含近千条样本，每条样本带有详细的元信息，如交互复杂度、视觉复杂度、领域与子领域分类、录屏环境、动作序列（包括类型、参数、视觉评估标志等）以及对应的视频路径。该数据集主要面向视频理解与视觉问答任务，能够有效检验模型在理解用户操作意图并生成对应代码或结构化描述方面的表现。
CoreCognition 是一个面向多模态大语言模型的核心知识基准数据集，源于发展认知科学中的12项基本能力。它包含1,423个多模态样本和80个概念挑战问题，涉及对象持久性、空间推理、计数等人类直觉中固有的核心能力，旨在评估模型在基础认知任务上的表现。
这个数据集包含多个AI模型在价值冲突场景下的响应，以及不同评判模型对合规性的评估。数据分为三个主要子集：默认子集提供六个精选的分歧场景，涵盖各模型间的高分歧情况；完整子集包含全部超过41万条场景；评判评估子集则收录了约1.5万条由三个评判模型对部分模型响应做出的合规性判断。每个样本都记录了查询文本、多个模型的响应及其在各价值维度上的立场分数，适合用于分析模型在价值权衡中的表现。
这是一个用于训练推理模型的数据集，包含可验证的数学和编程任务。数据集共有约28.5万条训练样本，每条样本包含问题ID、任务类型、提示文本、验证信息以及一个参考模型的解答率等字段。
这是一个基于 Qwen3-30B-A3B 的 GGUF 格式量化模型，支持 128K 上下文长度，采用 Unsloth Dynamic 2.0 量化技术，在保持较高精度的同时优化了运行效率。该模型可在 llama.cpp、Ollama 等框架中直接使用，并支持通过 `/think` 和 `/no_think` 指令在推理过程中切换模型的思考模式，方便多轮对话中的灵活控制。
High_Dimensional_Time_Series 是多变量时间序列预测数据集，包含 M5、伦敦智能电表、Wikipedia 流量、全球温度和风速等序列配置。