数据集 / 归档 / 2026-06-23

2026-06-23 收录的数据集（8）

本页记录当日收录项目。

allenai / molmo-motion-1m

3D点轨迹和2D像素轨迹的视频动作数据集，覆盖7个语料库

285.6 GB

other
other · 许可待核

3个月前更新

ibm-research / ScarfBench

企业Java应用迁移基准，覆盖Jakarta EE、Quarkus、Spring

41 MB

文本生成

3个月前更新

Nerfgun3 / bad_prompt

负提示嵌入/文本反转数据集，用于稳定扩散

1 行 · 14 MB

图像
creativeml-openrail-m · 许可标注允许商用

3年前更新

allenai / dolma

用于语言模型预训练研究的开放语料库

6.1 TB

文本生成
odc-by · 许可标注允许商用

2年前更新

databricks / databricks-dolly-15k

由Databricks员工编写，涵盖多个行为类别的指令跟随数据

1.5万行 · 267 MB

文本
问答
摘要
cc-by-sa-3.0 · 许可标注允许商用

3年前更新

roneneldan / TinyStories

由GPT-3.5和GPT-4生成的短故事，使用受限词汇

214.2万行 · 17.3 GB

文本
文本生成
cdla-sharing-1.0 · 许可标注允许商用

2年前更新

tatsu-lab / alpaca

由text-davinci-003生成的指令和演示数据，用于指令微调

5.2万行 · 319 MB

文本
文本生成
cc-by-nc-4.0 · 许可明确限制商用

3年前更新

tiiuae / falcon-refinedweb

经严格过滤和去重的英文网络语料库

9.68亿行 · 1.7 TB

文本
文本生成
odc-by · 许可标注允许商用

3年前更新

← 前一日 2026-06-22 · 后一日 2026-06-24 →