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
Мультимодальный набор радиологических снимков с подписями и медицинскими концептами из PMC.
Сгенерированные Claude Opus 5.5 диалоги врач-пациент по всем болезням человека в формате ChatML.
Реконструированные 3D-сцены в USD/USDZ для обучения и проверки end-to-end роботов в NVIDIA Isaac Sim.
Набор синтетических пошаговых рассуждений для дообучения небольших и средних LLM логике.
Около 70 тыс. задач с трассами рассуждений и исполнением кода для обучения TIR-моделей.
24K задач по программированию с тест-кейсами для обучения и проверки кодовых моделей.
Синтетические финансовые документы на шести языках с разметкой персональных данных для обучения NER.
Миллион высококачественных диалогов на английском о социальных взаимодействиях, созданных из графа знаний через InstructGPT.
1,8 млн пар «задача — решение» с рассуждениями и кодом для математических LLM.
Крупный корпус пар «инструкция — ответ» среднего качества плюс меньший высококачественный набор.
Набор инструкций для обучения агентов: решения, вызов инструментов, код и интерактивные задачи.
Термины, переводы и оглавление китайской книги о диффузионных моделях — справочные материалы.
Уточнённые данные с проверяемыми наградами для RL-этапа обучения MiniCPM5-2B на английском и китайском.
Датасет NVIDIA для обучения и оценки мультимодальной модели Llama-Nemotron VLM.
Табличные и текстовые данные, связанные с открытой агентной моделью OpenResearcher для deep research.
Табличные, текстовые и графические данные о 148 909 опубликованных играх Steam для классификации.
Общедоменный SFT-набор для чат-моделей с JSON-данными, токенизаторами и скомпилированными шардами.
Около 80 тыс. английских промптов, собранных из Lexica.art для генерации изображений в Stable Diffusion.
292 637 аудиофрагментов с транскрипциями на японском из визуальных новелл для ASR.
Бенчмарк диалогового QA по документам и извлечённому контексту на английском.
Крупный набор медицинских задач с пошаговыми рассуждениями для объяснимых ответов LLM.
Коллекция для суммаризации длинных повествовательных текстов: книги и их пересказы.
Цитаты на английском из Goodreads для multi-label классификации и генерации текста.
435 тыс. англоязычных SFT-примеров для тренировки моделей с длинными цепочками рассуждений.