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
Смесь инструкционных данных на английском для SFT языковых ассистентов Tulu.
Оценка языковых world models по траекториям агентов и ground-truth наблюдениям из реальных сред.
Сабмишны соревнования HackAPrompt по взлому промптов для изучения prompt injection.
100K+ многоходовых диалогов на английском для обучения безопасных собеседников.
10–100 тыс. китайских пар инструкция–ответ для дообучения текстовых моделей; только для исследований.
242 тыс. преимущественно GPT-4-примеров из открытых источников для обучения инструкциям.
1 899 задач, где модель должна учиться новым правилам и процедурам из контекста, а не из предобучения.
Сырые JSONL-трассы агентных вызовов Qwen3.7 Max с готовой схемой инструментов.
ASID-1M: крупный англоязычный набор инструкций для понимания видео с управляемым описанием.
Данные для обучения языковых моделей построению маршрутов общественного транспорта в городах Китая.
Свыше 500 тыс. примеров для обучения финансовым задачам, рассуждениям и многоходовым диалогам.
Тысячи аудиофрагментов японской речи из визуальных новелл с расшифровками для ASR.
Синтетические тексты на английском для instruction tuning и fine-tuning моделей генерации ответов.
Крупный набор ссылок на Flickr-изображения в public domain и CC0 для обучения.
364 420 пар вопрос-ответ по медицине на китайском для обучения и проверки медицинских LLM.
750K CT/MRI-снимков и 7,5M сгенерированных VQA-примеров с экспертными аннотациями для обучения и бенчмарка.
Пары вопрос-ответ по научным статьям arXiv на английском для обучения и проверки QA-систем.
Утверждения, аргументы людей и моделей и оценки убедительности для исследований языковых моделей.
Около 8K текстовых примеров для обучения моделей параллельному координированному reasoning в рамках PaCoRe.
1–10 тыс. примеров для проверки, соблюдает ли модель заданную схему JSON/YAML при разных формулировках запроса.
10 013 изображений стройплощадок с аннотациями для проверки понимания сцен vision-language моделями.
Пары предпочтений для DPO, повышающие правдивость модели без потери отыгрывания роли человека.
Пары вопрос–ответ из реальных консультаций с психологами для обучения эмпатичным диалогам.
2160 задач с полями problem, thinking, solution, difficulty и category после автоочистки.