Датасеты с Hugging Face с описанием на русском: что внутри и какие модели на них обучить. В каталоге уже 1 220, новые добавляются каждый час.
Отвечает DeepSeek · переписка хранится только в этой вкладке
1,1 млн китайско-английских многоходовых диалогов для инструктивного дообучения чат-моделей.
Проверка, знает ли LLM, чего не знает, и умеет ли исправлять ошибки.
Задачи по науке, коду и математике с подробным chain of thought и правильным ответом для обучения reasoning-моделей.
GPT-4-персонажи и диалоги на русском и английском для обучения ролевых языковых моделей.
Датасет для RL-обучения 32B-модели INTELLECT-2 с GRPO по проверяемым наградам.
Датасет генераций по промптам, на котором обучали GPT4All; английский текст, от 100 тыс. до 1 млн примеров.
Набор исследовательских задач с рубриками оценки и эталонными решениями для обучения и проверки генерации планов.
55 тыс. инструкций из WizardLM/evol_instruct_70k без примеров явного alignment-поведения.
Оцифрованные судебные решения США на английском для обучения и анализа юридических текстов.
Бенчмарк для оценки LLM в full-stack разработке через парадигму Agent-as-a-Verifier.
Текстовый датасет на 100K–1M записей; карточка почти без описания состава.
Более 1000 учебных описаний пациентов с диагнозами и лечением по 100 болезням и 30 травмам.
Пары предпочтений из UltraFeedback, бинаризованные по средним оценкам и отобранные в Argilla.
Миллион анонимизированных объявлений о недвижимости с платформы Divar на Ближнем Востоке.
100 тыс. качественных диалогов с индийским контекстом на английском, хинди и Hinglish.
34,6 тыс. диалогов из wizard_vicuna_70k без части бесед с alignment.
10 млн видеоклипов с автоматически сгенерированными подписями и оценками UMT для видео-текстовых задач.
9 тыс. примеров цепочек рассуждений, восстановленных через Trace Inversion, для SFT и DPO.
Китайский перевод и объединённые данные HH-RLHF для обучения helpful и harmless ассистентов.
54 тыс. ролевых диалогов на английском и китайском для обучения персонажей-ассистентов.
Короткий набор пар вопрос-ответ по психическому здоровью из популярных медицинских источников.
Суммаризованные reasoning-трассы Gemini 3 Pro Preview для дистилляции в открытые LLM.
10 000 QA-диалогов с единым аниме-амплуа кошкодевочки для обучения стилю и персонажам.
Коллекция текстовых промптов Midjourney, собранных из сообщений публичного Discord-сервера.