datasets

图机器学习的基准数据集、数据加载器与评估器

精选的超赞网络安全数据集清单

包含 DB-GPT 模型、数据集与微调技术的存储库，旨在提升 Text-to-SQL 的模型性能

用于 Schema、BLOB 和预测的 AI 数据存储库。可搭配您的应用程序使用，或整合内置的人工监督、数据工作流程与 UI 目录，以发掘 AI 数据的最大价值。

🚀 超过 500 个精选的数据分析与数据科学资源：Python、SQL、统计学、ML、AI、可视化、速查表、学习蓝图与面试准备，适合初学者与专家。

Julia 中的内存表格数据

公共交通 API、应用程序、数据集、研究与软件的社区列表 :bus::star2::train::star2::steam_locomotive:

🚀🚀🚀 一些优秀的公开 YOLO 对象检测系列项目与相关对象检测数据集的集合。

收集户晨风的所有内容

Safe RLHF：通过来自人类反馈的安全强化学习进行受约束的价值对齐

命名实体识别 (NER) 与实体识别任务的语料库集合。这些标注数据集涵盖多种语言、领域和实体类型。

精选的机器人实用连结与软件库清单。

🪐 从原型到生产环境的端到端 NLP 工作流程

来自 CNCF 的开源 DevOps 工具，用于将 AI/ML 模型、数据集、代码和配置打包并进行版本控制成 OCI Artifact。

[AAAI 2025]👔IMAGDressing👔：虚拟穿搭的交互式模块化服饰生成。它支持具有灵活服饰、姿势和场景控制的可定制人像生成，确保虚拟穿搭的高保真度与服饰一致性。

离线强化学习数据集的标准格式，包含热门的参考数据集与相关实用程序

治疗学共用平台 (TDC)：治疗科学的多模态基础

Langtrace 🔍 是一个开源、基于 OpenTelemetry 的 LLM 应用程序端到端可观测性工具，为热门的 LLM、LLM 框架、向量数据库等提供实时追踪、评估与指标。使用 Typescript、Python 进行整合。🚀💻📊

用于卫星与空拍影像深度学习的数据集

用于训练遵循指令 LLM (ChatGPT、LLaMA、Alpaca) 的开源数据集集合

适用于人类的开源音频标注工具

Twitter 数据集及相关资源列表。

csghub-server 是 CSGHub 的后端服务器，协助用户管理数据集、模型，并执行模型推理、微调与应用空间。

中文 100G 大规模预训练语料库

模块化定位与地图构建优化框架（MOLA）

[ACL 2023] 语言模型提示词推理综述

ICCV 2023-2025 论文：探索来自 ICCV 2023-25（领先的计算机视觉会议）的前沿研究。掌握计算机视觉与深度学习的最新动态，内含代码。⭐ 支持视觉智能发展！

AI 音频数据集 (AI-ADS) 🎵，包含语音、音乐与音效，可为生成式 AI、AIGC、AI 模型训练、智能音频工具开发及音频应用程序提供训练数据。

快速多模态语义去重与过滤

在 R 和 Python 中轻松访问巴西官方空间数据集