数据集 · 2026-06-05

数据集 / 归档 / 2026-06-05

2026-06-05 数据集 (5)

GLM-5.1生成的多领域推理数据，清理为SFT格式，含四个子集

57.2万行 · 44.2 GB

下载 9.8k · 收藏 252 · 3个月前更新

该数据集虽标注为 Cleaned，但实际样本中仍存在明显的文本重复与多段拼接问题，清洗程度有限。

来源

截至 2026-06-20

py from datasets import load_dataset ds = load_dataset("Jackrong/GLM-5.1-Reasoning-1M-Cleaned")

合成数字人类在3D室内外场景的长视频数据集，用于世界模型训练

0 行 · 172.7 TB

下载 3.9k · 收藏 22 · 1个月前更新

越南历史问答对话数据集，包含推理链和直接回答

100.0万行 · 942 MB

下载 116 · 收藏 21 · 10个月前更新

py from datasets import load_dataset ds = load_dataset("minhxthanh/Vietnam-History-1M-Vi")

模仿Claude Mythos模型的合成SFT数据集，覆盖网络安全等技术领域

2.5万行 · 105 MB

下载 627 · 收藏 29 · 2个月前更新

HF 安全扫描标记可疑 · VirusTotal 1/74· 低比例多为数据内含代码触发的误报,查看报告自行判断查看报告

py from datasets import load_dataset ds = load_dataset("WithinUsAI/claude_mythos_distilled_25k")

小学算术应用题，需多步推理

1.8万行 · 12 MB

下载 948k · 收藏 1.4k · 4个月前更新

GSM8K 是评估大模型多步算术推理的事实标准基准，被 OpenAI、Google 等主流实验室广泛采用，以精确匹配评分和思维链评估见长。

来源

截至 2026-06-20