dataset

2020年からの公開BTC取引コンテキスト。

M2DGR：地上ロボット向けマルチモーダルおよびマルチシナリオデータセット（RA-L2021 & ICRA2022）

手動で微調整された中国語対話データセットと、chatglmのファインチューニング用コード

TorchXRayVision: 胸部X線データセットとモデルのライブラリ。分類、セグメンテーション、オートエンコーダーを提供。

新型コロナウイルス感染症（2019-nCoV）の感染者数時系列データ

世界単一最大規模のインターネットドメインデータセット

Twitterのデータセットおよび関連リソースのリスト。

ゲーム用データセットや、ゲームにおける人工知能のためのツールに関する厳選されたリスト

複雑な推論タスク向けに特別に設計された 6,446 件のテキスト・音声アノテーション済みサンプルからなる Audio Logical Reasoning (ALR) データセットを提案します。このリソースを基に、音声言語モデル (ALMs) に高度なバイモーダル推論能力を付与するために調整された、ルールベースの強化学習 (RL) アルゴリズムである SoundMind を提案します。

保険業界向けコーパス、チャットボット

ハンドジェスチャー認識画像データセット

研究用交通ネットワーク

MMSAはマルチモーダル感情分析のための統合フレームワークです

名前を扱うための Python ライブラリ

大規模言語モデルにおける思考連鎖（chain-of-thought）推論に関するデータとツールの中心的なオープンリソース。開発元：Samwald research group (https://samwald.info/)

生体力学および人体動作解析に関する公開リソースのキュレーションリスト：データセット、処理ツール、シミュレーション用ソフトウェア、教育用ビデオ、講義など。

GitHub の言語統計

Apache Spark向けのC#およびF#言語バインディングと拡張機能

KDD 2019: 確率的再帰型ニューラルネットワークを用いた多変量時系列のロバストな異常検知

PyTorch による SOTA セマンティックセグメンテーションモデル

PyTorch データローダーを備えたスタンドアロンの TFRecord リーダー/ライター

データセットの視覚化、データ処理、結果の評価を行うための SemanticKITTI API

単一のパイプラインで高品質な合成データの生成、トレーニング、測定、評価を行う

[ICLR 2025] アライメント済み LLM に何も与えずにプロンプティングすることによる、ゼロからのアライメントデータ合成。効率的で高品質な合成データ生成パイプライン！

[NeurIPS 2025 Spotlight] OpenCUA: コンピュータ利用エージェントのためのオープンな基盤

🍃 MINT-1T: 1兆トークンのマルチモーダルインターリーブデータセット。

精密医療ナレッジグラフ (PrimeKG)

ナショナル・ギャラリー・オブ・アート（米国立美術館）オープンデータプログラム

COCO データセットを作成するためのヘルパー関数

Total Text Dataset。水平、多方向、曲線という3つ以上の異なるテキスト方向を持つ1555枚の画像で構成される、類を見ないデータセット