PsiBotAI / SynData
涵盖视觉、语言和动作的多模态人类数据，用于具身智能训练。
下载 36k · 收藏 146 · 2个月前更新
- py from datasets import load_dataset ds = load_dataset("PsiBotAI/SynData")
2026-05-20 
AlienKevin / SWE-ZERO-12M-trajectories
编码智能体轨迹数据，覆盖16种编程语言和3K个仓库。
下载 7.6k · 收藏 85 · 2个月前更新
社区实测
当前规模最大的开放 agentic SWE 轨迹数据集,社区认可其填补了免执行训练数据的空白,但轨迹质量受限于生成模型能力。
- 免执行(execution-free)的 SWE 训练数据管线,绕开容器化验证的 Docker 瓶颈
- 将 SWE-ZERO 数据规模从 9B tokens 扩展到 112B tokens,提供 12M 条轨迹
- 轨迹由 1.7B 小模型 mini-coder-1.7b 采样生成,轨迹质量上限受生成模型能力制约
- 在 SWE-bench Verified 上训练验证的基线得分较低(10 万条轨迹仅 5.3%±1.5),大规模训练效果尚待验证
- 全量数据集 112B tokens 远超已验证的约 1B tokens 训练规模,扩展有效性未经充分证实
来源
AlienKevin/SWE-ZERO-12M-trajectories · Datasets at Hugging FaceKevin Li releases largest open agentic trace dataset - DiggLLM Daily: May 23, 2026 • Buttondown
截至 2026-06-20
- py from datasets import load_dataset ds = load_dataset("AlienKevin/SWE-ZERO-12M-trajectories")
angrygiraffe / claude-opus-4.6-4.7-reasoning-8.7k
Claude生成的合成思维链推理数据。
下载 3.2k · 收藏 147 · 2个月前更新
社区实测
全量合成、创建者未审查的 Claude 推理对话数据集，社区讨论集中在源模型质量而非数据集本身
- 提供 8706 条带推理链的合成对话样本，面向推理能力微调场景
- 创建者明确表示未审查数据（I haven't reviewed the data），数据质量与正确性无保证
- 全量合成数据，无人工筛选、去重或标注质量说明
截至 2026-06-20
- py from datasets import load_dataset ds = load_dataset("angrygiraffe/claude-opus-4.6-4.7-reasoning-8.7k")