数据集 - 海数据

科学代理基准测试数据集-多学科任务评估-henryshan

2025年4月21日

科学代理基准测试数据集-多学科任务评估-henryshan 数据来源：互联网公开数据标签：科学代理,语言模型,自动化,科学发现,基准测试,数据驱动,评估,Python程序,多学科数据概述：...

ZIP

跨语言问答数据集XQuAD多语言问答数据集-thedevastator

2025年4月21日

跨语言问答数据集XQuAD多语言问答数据集-thedevastator 数据来源：互联网公开数据标签：问答, 跨语言, 自然语言处理, 机器翻译, 文本理解, SQuAD, 语言模型, 英语, 西班牙语, 德语, 希腊语, 俄语, 土耳其语, 阿拉伯语, 越南语, 泰语, 汉语, 印地语数据概述：...

ZIP

俄罗斯诗歌灵感源泉数据集-19000首诗歌-1900至2023年-grafstor

2025年4月21日

俄罗斯诗歌灵感源泉数据集-19000首诗歌-1900至2023年-grafstor 数据来源：互联网公开数据标签：俄罗斯诗歌,文学,灵感,文化,语言模型, seq2seq,文本生成数据概述：...

ZIP

印度维基百科文章数据集

2025年4月20日

印度维基百科文章数据集数据来源：互联网公开数据标签：维基百科,印度,自然语言处理,文本挖掘,语言模型,文本数据,机器学习数据概述：本数据集包含172,000篇经过清洗的印度维基百科文章，已转换为CSV格式，便于直接作为Pandas...

ZIP

多语言命名实体识别数据集

2025年4月19日

多语言命名实体识别数据集数据来源：互联网公开数据标签：命名实体识别,多语言数据,自然语言处理,语言模型,数据标注,机器学习,深度学习数据概述：...

ZIP

对话与文学风格文本数据集

2025年4月18日

对话与文学风格文本数据集数据来源：互联网公开数据标签：对话风格,文学风格,文本风格转换,俄语数据,自然语言处理,机器学习,语言模型数据概述：...

ZIP

伦巴第语命名实体识别与语言训练数据集

2025年4月17日

伦巴第语命名实体识别与语言训练数据集数据来源：互联网公开数据标签：伦巴第语,命名实体识别,NER,语言模型,文本处理,自然语言处理,维基百科,WikiANN,语言训练,文本标注数据概述：本数据集是基于WikiANN项目构建的伦巴第语（Lombard）文本数据集，用于命名实体识别（NER）和语言模型训练。...

ZIP

泰卢固语新闻文本数据集-语言模型训练-合并数据集

2025年4月17日

泰卢固语新闻文本数据集-语言模型训练-合并数据集数据来源：互联网公开数据标签：泰卢固语,新闻,文本,语言模型,自然语言处理,NLP,机器学习,语料库,文本数据数据概述：本数据集由原始泰卢固语新闻数据合并的训练集和测试集构成，整合了来自不同来源的泰卢固语新闻文章。数据集包含丰富的新闻文本内容，涵盖了各种主题和风格。数据用途概述：...

ZIP

高质量多语言翻译数据集

2025年4月17日

高质量多语言翻译数据集数据来源：互联网公开数据标签：多语言翻译,机器学习,文本处理,自然语言处理,语言模型,国际业务,跨文化交流数据概述：...

ZIP

德语新闻文章主题分类数据集

2025年4月16日

德语新闻文章主题分类数据集数据来源：互联网公开数据标签：德语,新闻,主题分类,多分类,语言模型,文本分类,研究数据集数据概述：...

ZIP

开放域问答数据集-问题与答案-2023年

2025年4月15日

开放域问答数据集-问题与答案-2023年数据来源：互联网公开数据标签：问答,自然语言处理,NLP,文本数据,QA,问题解答,知识库,语言模型,机器学习数据概述：本数据集包含大量的问题与答案对，旨在为开放域问答（QA, Question...

ZIP

英译印语言模型指令数据集-NVIDIAHelpSteer数据集-英译印

2025年4月15日

英译印语言模型指令数据集-NVIDIAHelpSteer数据集-英译印数据来源：互联网公开数据标签：语言模型,自然语言处理,机器翻译,印地语,文本生成,指令,NVIDIA,HelpSteer,数据集数据概述：本数据集是NVIDIA...

ZIP

土耳其语诗歌文本生成数据集

2025年4月15日

土耳其语诗歌文本生成数据集数据来源：互联网公开数据标签：土耳其语,诗歌,文本生成,自然语言处理,NLP,诗歌创作,语言模型,文学数据概述：本数据集包含了7本土耳其语诗歌书籍，数据将每本书的诗歌内容拼接成一个单独的文本列。这些诗歌涵盖了不同的主题和风格，反映了土耳其文学的多样性。数据用途概述：...

ZIP

社区电视节目台词数据集1963-2021

2025年4月15日

社区电视节目台词数据集1963-2021 数据来源：互联网公开数据标签：社区电视节目,台词,语言模型,文本分析,电视剧研究,文化研究,历史背景数据概述：本数据集收录了某社区电视节目的全部台词记录，涵盖了从1963年至2021年间的多个季度和剧集。数据集通过网络爬虫技术收集，为研究该节目提供了全面的台词文本资料，适合进行语言模型训练和文本分析。...

ZIP

语言模型对比数据集

2025年4月15日

语言模型对比数据集数据来源：互联网公开数据标签：语言模型,对比分析,问答系统,Govinfo,正确答案,模型性能数据概述：本数据集包含从Govinfo网站收集的90个问题及其正确答案，并附录了五个不同语言模型对这些问题的回答。数据集涵盖了问题陈述、正确答案以及DeepSeek R1 14b qwen distill、Llama3.1...

ZIP

孟加拉语日常对话数据集

2025年4月15日

孟加拉语日常对话数据集数据来源：互联网公开数据标签：孟加拉语,日常对话,语言模型,自然对话,语境感知,人类交流,对话数据集,文本分析,人工智能数据概述：本数据集旨在解决为自然、语境感知且类人对话调整语言模型的挑战。数据集包含超过20,000次对话，全面展示了孟加拉国的各种日常生活情境下的交流，涵盖了广泛的社会互动场景。...