Датасеты с Hugging Face с описанием на русском: что внутри и какие модели на них обучить. В каталоге уже 1 103, новые добавляются каждый час.
Отвечает DeepSeek · переписка хранится только в этой вкладке
100K+ многоходовых диалогов на английском для обучения безопасных собеседников.
Сырые JSONL-трассы агентных вызовов Qwen3.7 Max с готовой схемой инструментов.
Данные для обучения языковых моделей построению маршрутов общественного транспорта в городах Китая.
Тексты с OCR-ошибками и исправлениями на французском, английском, итальянском и немецком.
1–10 млн аннотаций из 3DPW, COCO, MPII и других наборов для задач SAM 3D Body.
Метаданные почти 660 тыс. AI-песен Suno с мультиязычными описаниями и аудиомодальностью.
Изображения блюд с метаданными для распознавания еды, классификации и нутриционного анализа.
Корпус фрагментов муниципального и окружного права США с метками юридической функции и темы.
Годовые отчёты 10-K компаний США, разбитые на разделы и предложения, с метками тональности.
Небольшой англоязычный DPO-набор из отфильтрованных пар с высоко оценёнными выбранными ответами.
Подробные синтетические описания 16,9 млн изображений для обучения и оценки vision-language моделей.
Около 49 772 трасс от qwen3.8-max-preview для SFT и off-policy дистилляции.
Изображения, текст и табличные поля из Midjourney; в карточке заявлено 55 млн сообщений.
Бенчмарк для оценки ролевых агентов в китайских и английских сценариях.
Траектории агентного кодинга в Claude Code для бенчмарка CC-Bench-V1.1 на 74 задачах.
460 тыс. очищенных примеров математических рассуждений на английском для обучения и проверки reasoning-моделей.
Синтетические табличные записи о госпитализациях: демография, счета, лекарства и анализы.
Открытый диалоговый датасет для SFT: промпты и ответы text-davinci-003 на английском и китайском.
История фьючерсов Binance по BTC, ETH, BNB и SOL: 1-минутные свечи и метрики с 2020–2021 по 2026 год.
Табличные и текстовые данные с ограниченным доступом; состав и объём в карточке не описаны.
Пары предпочтений из UltraFeedback, бинаризованные по средним оценкам и отобранные в Argilla.
Миллион анонимизированных объявлений о недвижимости с платформы Divar на Ближнем Востоке.
10 млн видеоклипов с автоматически сгенерированными подписями и оценками UMT для видео-текстовых задач.
Английский набор предпочтений для математики в DPO-формате; карточка почти пустая.