actava / chi-bench
美国医疗工作流的AI智能体基准测试，覆盖三个长期域。
下载 1.2k · 收藏 25 · 2个月前更新
- py from datasets import load_dataset ds = load_dataset("actava/chi-bench")
2026-05-22 
HuggingFaceFW / fineweb
从CommonCrawl清洗去重的英文网页文本数据集。
下载 970k · 收藏 2.8k · 1年前更新
社区实测
社区认可其开放性与可复现性，所有处理脚本公开，信息详尽
- 提供高质量开源训练数据资源
- 数据处理流程完全透明可复现
- 多语言训练数据基准(FineWeb2)
来源
FineWeb: Decanting the web for the finest text data at scale | Hacker NewsHugging Face Releases FineWeb2: 8TB of Compressed Text Data ...
截至 2026-06-20
GD-ML / TransitLM
中国四城市公共交通路线规划数据集，含坐标与换乘结构。
下载 522 · 收藏 17 · 2个月前更新
- py from datasets import load_dataset ds = load_dataset("GD-ML/TransitLM")