#dataset Repositorios
173 repositorios en total
Una lista curada de conjuntos de datos de radar, detección, seguimiento y fusión
Una lista de herramientas, artículos y código relacionados con la detección de Deepfake.
Modelos de salud mental (LLM x Salud Mental), Pre y Post-entrenamiento & Conjunto de datos & Evaluación & Despliegue & RAG, con modelos de las series InternLM / Qwen / Baichuan / DeepSeek / Mixtral / LLama / GLM
¿Qué hay en tus datos? Extrae esquemas, estadísticas y entidades de los conjuntos de datos
Una biblioteca de transmisión de datos para el entrenamiento eficiente de redes neuronales
[pip install medmnist] 18 conjuntos de datos estandarizados para clasificación de imágenes biomédicas 2D y 3D
Benchmark de código abierto para agentes de IA en navegador en tareas diarias.
HumanML3D: Un conjunto de datos grande y diverso de movimiento humano en 3D y lenguaje.
Un conjunto de datos de anime basado en JSON que contiene los metadatos más importantes, así como referencias cruzadas a varios sitios de anime como MAL, ANIDB, ANILIST, KITSU y más...
Corpus de nombres de empresas. Corpus de nombres de instituciones. Abreviaturas de empresas, acrónimos, palabras de marca, nombres de empresas. Puede usarse para la segmentación de palabras en chino y el reconocimiento de entidades de nombres de instituciones.
M2DGR: Un conjunto de datos multimodales y multiescenario para robots terrestres (RA-L 2021 y ICRA 2022)
TorchXRayVision: Una biblioteca de conjuntos de datos y modelos de rayos X de tórax. Clasificadores, segmentación y autoencoders.
Notas de lectura sobre Modelos Grandes de Lenguaje Multimodales, Modelos Grandes de Lenguaje y Modelos de Difusión
Un conjunto de datos de diálogo chino ajustado manualmente y un código de ajuste fino de chatglm
The Washington Post está compilando una base de datos de cada tiroteo fatal en Estados Unidos por un oficial de policía en el cumplimiento del deber desde 2015.
:video_game: Una lista curada de datasets de juegos increíbles y herramientas para inteligencia artificial en juegos
Una lista de conjuntos de datos de Twitter y recursos relacionados.
Este es un repositorio de fuentes de datos públicas para sistemas de recomendación (RS).
Un punto de referencia de evidencia para decisiones clínicas: extraer el único hecho en el que se basa una respuesta y comprobar si la acción del asistente cambia conforme a la evidencia. Basado en HealthBench.
Presentamos el conjunto de datos de Razonamiento Lógico de Audio (ALR), que consta de 6.446 muestras anotadas de texto y audio diseñadas específicamente para tareas de razonamiento complejo. Basándonos en este recurso, proponemos SoundMind, un algoritmo de aprendizaje por refuerzo (RL) basado en reglas, diseñado para dotar a los modelos de lenguaje de audio (ALM) de profundas capacidades de razonamiento bimodal.
TableBank: Un conjunto de datos de referencia para la detección y reconocimiento de tablas
Una lista pública curada de recursos para biomecánica y análisis del movimiento humano: conjuntos de datos, herramientas de procesamiento, software de simulación, videos educativos, conferencias, etc.
Un recurso central y abierto para datos y herramientas relacionados con el razonamiento en cadena de pensamiento en modelos de lenguaje grandes. Desarrollado por el grupo de investigación Samwald: https://samwald.info/
Un excelente conjunto de datos introductorio para la exploración y visualización de datos (alternativa a iris).
Genere sintéticos de alta calidad, entrene, mida y evalúe en un solo pipeline
API de SemanticKITTI para visualizar el conjunto de datos, procesar datos y evaluar resultados.
[NeurIPS 2025 Spotlight] OpenCUA: Fundaciones abiertas para agentes de uso de computadora
KDD 2019: Detección robusta de anomalías para series temporales multivariadas a través de red neuronal recurrente estocástica
[NeurIPS 2023] Implementación oficial del artículo "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"