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
Текстовый бенчмарк: по списку рёбер графа выполнить операцию и вернуть итоговые узлы.
Реальные вакансии по аналитике данных из разных источников, собранные ботом и обработанные.
4 млн примеров SFT для математических и кодовых рассуждений; ответы сгенерированы DeepSeek-R1.
Англоязычные финансовые твиты с разметкой на медвежий, бычий и нейтральный сентимент.
Открытое воспроизведение инструкционного микса для чата, математики, кода и следования инструкциям.
1 тыс. примеров рассуждений на испанском, французском, итальянском и немецком, переведённых с английского.
Курируемая база ДНК со всех доменов жизни для обучения геномных моделей.
100 тыс. английских записей с разметкой 55+ категорий PII/PHI для обучения детекции персональных данных.
Около 100 тыс. медицинских диалогов HealthCareMagic для чат-моделей; карточка почти без описания.
Крупный набор синтетических персон по реальным демографическим распределениям Кореи.
Записи спонтанной речи и транскрипции для 348 языков — для обучения ASR и определения языка.
1000 часов двухканальных английских разговоров в 48 кГц для full-duplex и речевых моделей.
Промпты LLM с метками jailbreak или benign для обучения детекторов вредных запросов.
55 тыс. реальных диалогов и оценок предпочтений между более чем 70 LLM в парных битвах.
Аудио ASMR на японском с изображениями для распознавания речи и синтеза; обновления приостановлены.
Англоязычные диалоги ассистента о софтверных уязвимостях, CVE, CWE, исправлениях и web-appsec.
Эгоцентричные видео с синхронизированной 3D-позой рук для обучения и проверки видео-моделей.
10 тыс. задач Codeforces и до пяти цепочек рассуждений R1 для обучения моделей соревновательному программированию.
Крупный китайский корпус для предобучения; версия V2 помечена как устаревшая.
Корпус пар «вопрос — предложение» на английском для исследований open-domain question answering.
Миллионы инструкций на английском и китайском для дообучения и оценки LLM.
10 тыс. многошаговых трасс по агентному программированию и reasoning от модели Fable 5.1.
Набор динамических indoor/outdoor/performance-сцен для синтеза ракурсов, 4D-реконструкции и сжатия.
Многоходовые бытовые диалоги на английском с метками эмоций и коммуникативных намерений для диалоговых систем.