dataset

Konteks perdagangan BTC publik sejak 2020.

M2DGR: Kumpulan data multimodal dan multiskenario untuk robot darat (RA-L2021 & ICRA2022)

Dataset percakapan bahasa Mandarin yang disesuaikan secara manual dan kode fine-tuning untuk ChatGLM

TorchXRayVision: Pustaka dataset dan model rontgen dada. Pengklasifikasi, segmentasi, dan autoencoder.

Data deret waktu kasus Novel Coronavirus 2019

Dataset domain Internet tunggal terbesar di dunia

Daftar dataset Twitter dan sumber daya terkait.

:video_game: Daftar kurasi dataset game pilihan dan alat untuk kecerdasan buatan dalam game

Kami memperkenalkan dataset Audio Logical Reasoning (ALR), yang terdiri dari 6.446 sampel anotasi teks-audio yang dirancang khusus untuk tugas penalaran kompleks. Berdasarkan sumber daya ini, kami mengusulkan SoundMind, sebuah algoritma reinforcement learning (RL) berbasis aturan yang dirancang untuk membekali model bahasa audio (ALM) dengan kemampuan penalaran bimodal yang mendalam.

Korpus industri asuransi, chatbot

Dataset Citra Pengenalan Gestur Tangan

Jaringan Transportasi untuk Penelitian

MMSA adalah kerangka kerja terpadu untuk Analisis Sentimen Multimodal.

Pustaka Python untuk nama.

Sumber daya terbuka terpusat untuk data dan alat yang berkaitan dengan penalaran chain-of-thought dalam model bahasa besar. Dikembangkan oleh grup riset Samwald: https://samwald.info/

Daftar sumber daya publik yang dikurasi untuk biomekanika dan analisis gerak manusia: dataset, alat pemrosesan, perangkat lunak simulasi, video edukasi, kuliah, dll.

Statistik Bahasa GitHub

Pengikatan bahasa dan ekstensi C# serta F# untuk Apache Spark

KDD 2019: Deteksi Anomali Kuat untuk Rangkaian Waktu Multivariat melalui Stochastic Recurrent Neural Network

Model Semantic Segmentation SOTA di PyTorch

Pembaca/penulis TFRecord mandiri dengan pemuat data PyTorch

API SemanticKITTI untuk visualisasi dataset, pemrosesan data, dan evaluasi hasil.

Hasilkan Data Sintetis Berkualitas Tinggi, Latih, Ukur, dan Evaluasi dalam Satu Pipeline

[ICLR 2025] Sintesis Data Penyelarasan dari Awal dengan Meminta LLM yang Terlaras tanpa Input. Pipeline pembuatan data sintetis Anda yang efisien dan berkualitas tinggi!

[NeurIPS 2025 Spotlight] OpenCUA: Pondasi Terbuka untuk Agen Penggunaan Komputer

🍃 MINT-1T: Kumpulan data multimodal terselip satu triliun token.

Graf Pengetahuan Kedokteran Presisi (PrimeKG)

Program Data Terbuka National Gallery of Art

Fungsi pembantu untuk membuat dataset COCO

Dataset Total Text. Terdiri dari 1555 gambar dengan lebih dari 3 orientasi teks berbeda: Horizontal, Multi-Orientasi, dan Melengkung, satu-satunya di jenisnya.