dataset

自 2020 年以來的公開 BTC 交易背景脈絡。

M2DGR：一個地面機器人的多模態與多場景資料集（RA-L2021 & ICRA2022）

人工精調的中文字幕對話資料集與一段 chatglm 的微調程式碼

TorchXRayVision：胸部 X 光資料集與模型的函式庫。包含分類器、分割與自動編碼器。

2019 年新型冠狀病毒病例時間序列資料

全球單一最大網際網路網域資料集

Twitter 資料集及相關資源列表。

:video_game: 精選的優秀遊戲資料集清單，以及用於遊戲人工智慧的工具

我們介紹了音訊邏輯推理（ALR）資料集，包含 6,446 個專為複雜推理任務設計的文字-音訊標註樣本。基於此資源，我們提出了 SoundMind，這是一種量身打造的基於規則的強化學習（RL）演算法，旨在賦予音訊語言模型（ALMs）深度雙模態推理能力。

:helicopter: 保險行業語料庫，聊天機器人

手勢識別影像資料集

用於研究的交通網路

MMSA 是一個用於多模態情感分析的統一框架。

用於產生姓名的 Python 函式庫

大型語言模型中思維鏈推理相關資料與工具的中央開源資源。由 Samwald 研究群開發：https://samwald.info/

精選的生物力學與人體動作分析公開資源清單：資料集、處理工具、模擬軟體、教育影片、講座等。

Github 語言統計

KDD 2019：透過隨機循環神經網路實現多元時間序列的強健異常偵測

Apache Spark 的 C# 與 F# 語言繫結與擴充

基於 PyTorch 的 SOTA 語意分割模型

獨立的 TFRecord 讀寫器，搭配 PyTorch 資料載入器使用

用於視覺化資料集、處理資料及評估結果的 SemanticKITTI API。

在單一管線中生成高品質合成資料、訓練、測量與評估

[ICLR 2025] 透過提示已對齊的 LLMs 從零開始進行對齊資料合成。您的高效且高品質合成資料生成管線！

[NeurIPS 2025 Spotlight] OpenCUA：電腦使用代理的開放基礎

🍃 MINT-1T：一個包含一兆個 token 的多模態交錯資料集。

精準醫療知識圖譜 (PrimeKG)

國家美術館開放資料計畫

用於建立 COCO 資料集的輔助函式

Total Text 資料集。包含 1555 張影像，具備三種以上的文字方向：水平、多方向與彎曲，是獨一無二的資料集。