Датасеты с Hugging Face с описанием на русском: что внутри и какие модели на них обучить. В каталоге уже 1 256, новые добавляются каждый час.
Отвечает DeepSeek · переписка хранится только в этой вкладке
Набор персонажей и диалогов на китайском, сгенерированных GPT-3.5 и GPT-4 для ролевых моделей.
Китайские тексты для обучения и проверки качества и безопасности больших языковых моделей.
Набор изображений и текстов для обучения мультимодальных моделей фильтрации взрослого контента.
~55 тыс. англоязычных инструкций с системными промптами Orca для обучения рассуждению.
Около 10 тыс. пар инструкция-ответ на темы эзотерики, духовности и паранормального.
Промпты для генерации обучающих данных retrieval-эмбеддингов, созданные синтетически по seed-задачам.
Японский перевод сложного экзамена Humanity's Last Exam для оценки знаний и рассуждений LLM.
Очень маленький англоязычный таблично-текстовый бенчмарк SAM Audio Judge для оценки аудио.