数据集
242 个数据集
热门分类：
Qwen/Qwen3.5-4B
已完整同步
Qwen3.5-4B 是一个拥有 40 亿参数的多模态大语言模型，能够同时处理图像和文本输入。它采用高效的混合架构，结合了 Gated Delta Networks 与稀疏混合专家，在保持低延迟的同时实现高吞吐推理。该模型原生支持 26 万 token 的上下文长度，并可扩展至百万级，还覆盖了 201 种语言，具备广泛的语言和文化理解能力。通过大规模强化学习训练，它在推理、代码、代理任务和视觉理解等方面表现出色。
这是一个用于广告文案生成的中文数据集，基于商品网页的标签与文案信息对应关系构建。任务属于典型的开放式文本生成：给定商品的关键词和属性列表（key-value形式），模型需要生成与输入信息保持事实一致性的广告文案。数据集包含训练集约114k条、验证集1k条、测试集3k条，每条数据由商品属性列表（content）和对应广告文案（summary）组成。
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。
这是一个轻量级的猫狗二分类图像数据集，共包含两个类别。训练集有275张带标注的图片，验证集有70张，整个数据集大小约10.3MB。图片按类别分别存放在 `train` 和 `val` 文件夹下，格式为 JPG，并附带类别名称文件。由于数据量小，非常适合快速模型验证、性能评估或小规模训练实验。
该数据集专为心理健康领域设计，包含10,000条中文高质量样本。每条数据由用户输入、推理思维链和最终输出三部分组成，适用于心理咨询、情感分析、多轮对话等任务。数据集通过先进的推理模型生成，显著增强了模型在心理学相关任务中的推理能力和生成质量。
这是一个专为Qwen3模型微调设计的高质量数据集，包含两个子集：FineTome-100k（10万条指令遵循数据）和OpenMathReasoning-mini（约1.9万条数学推理数据），采用对话格式，覆盖广泛的知识与推理任务，有助于提升大语言模型的推理能力与知识密集型任务表现。数据集采用Apache 2.0许可证开放使用。
MMLU（大规模多任务语言理解）是一个涵盖57个学科的多选题数据集，用于评估语言模型在广泛知识领域的理解能力。数据集包含问题、四个选项和正确答案，覆盖从抽象代数、天文学到临床知识等众多领域，提供了测试集、验证集和开发集等划分。
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。
这是一个中文句子嵌入模型，能将句子映射到768维的稠密向量空间，适用于文本匹配、语义搜索等任务。它基于MacBERT架构，使用中文语义相似度数据训练，在多个中文文本匹配基准上均表现出不错的性能。
这是一个多语言句子嵌入模型，能将句子和段落转换为384维的稠密向量，适用于文本聚类、语义搜索和句子相似度计算等任务。模型支持包括中文在内的50多种语言，基于MiniLM架构，采用均值池化方式生成句子级别的向量表示，输出可直接用于下游应用。
ShoufaChen/goku_demos
已完整同步
goku_demos 是动作/视频演示资源，当前镜像包含 MP4 视频、文本和说明文件，共 1,141 个文件、约 876 MB，适合演示和验证相关数据处理流程。
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。