LLM-Datensätze

Dieser Datensatz konzentriert sich auf den Finanzbereich und deckt Produkt-, Markt-, Verhaltens-, Grundsatz- und andere Unterbereiche ab, mit insgesamt 250,000 Fragen. Die Gesamtzahl der Fragen in diesem Datensatz beträgt 250,000, wovon die Hälfte Multiple-Choice-Fragen und die Hälfte Quizfragen sind, die sich beide auf 125,000 Fragen belaufen. Die Daten sind im JSONL-Format gespeichert, das reichhaltiges Material für die Erforschung und Untersuchung von Finanzwissen liefern kann.

Strukturierte Analyse der Koreanisch-Prüfungsfragen Verarbeitung der Daten, insgesamt etwa 1,5 Millionen Prüfungsfragen; jede Frage enthält Felder wie Fragetyp, Frage, Antwort und Analyse; Die Fächer umfassen [Grundschule]: Koreanisch, Mathematik, Englisch, Sozialkunde, Naturwissenschaften; [Mittelschule]: Koreanisch, Englisch, Mathematik, Naturwissenschaften, Sozialkunde; [Gymnasium]: Koreanisch, Englisch, Mathematik, Physik, Chemie, Biologie, Geschichte, Geografie; Die Fragetypen umfassen Multiple-Choice-Fragen, Lückentexte, Ja/Nein-Fragen, Frage-Antwort-Fragen usw.; Die Daten können für Aufgaben zur Erweiterung des Fachwissens in großen Modellen verwendet werden.

Japan OKWAVE Q&A Plattform Textdaten, einschließlich Fragen, Antworten, Kategorien, Veröffentlichungsdatum, Veröffentlichungsautor und viele andere Felder; die Daten werden laufend aktualisiert, bis Ende April 25, Fragen 8,4 Millionen, 2,3 Milliarden Text; Antworten 27 Millionen, 7,6 Milliarden Text; Dankeschön (der Ausdruck des Dankes des Fragenden an den Antwortenden) 15,5 Millionen, 1,7 Milliarden Text; zusätzliche Hinweise 2,1 Millionen, 360 Millionen Text; diese Daten können für das allgemeine Training großer Modelle verwendet werden

32 Millionen naturwissenschaftliche und technische Testfragen mit strukturierter Textanalyse und Datenverarbeitung, darunter Mathematik, Physik, Chemie, Biologie und andere naturwissenschaftliche und technische Fächer in der Grundschule, Mittelschule, Oberschule und Universität. Jede Testfrage enthält Felder wie Frage, Antwort, Analyse, Fragetyp, Disziplin und Abschnitt. Diese Daten können für große Modellaufgaben zur Verbesserung des Fachwissens verwendet werden.

1,000,000 chinesische Code-Test Fragen Text strukturiert Parsing und Verarbeitung von Daten, einschließlich c, c + +, Python, Java, Javascript mehrere Sprache Code-Test Fragen. Jede Testfrage enthält die Felder Frage, Antwort, Parsing und Sprache. Diese Daten können helfen, Modelle zu bauen und zu konsolidieren Code Programmierkenntnisse für eine bessere Leistung in der Programmierung Aufgaben.

50,000 Sätze von Bildbearbeitungsdaten. Zu den Bearbeitungstypen gehören Zielbeseitigung, Ziel hinzufügen, Ziel ändern, Ziel ersetzen. Zu den Bearbeitungszielen gehören Szenen wie Menschen, Tiere, Waren, Pflanzen, Landschaften und so weiter. Entsprechend den Bearbeitungsanweisungen werden die zu bearbeitenden Ziele im Bild verschlüsselt und mit Anmerkungen versehen, die das Entfernen, Hinzufügen, Ändern oder Ersetzen betreffen. Die Daten können für Aufgaben wie Bildsynthese, Datenanreicherung und Erzeugung virtueller Szenen verwendet werden.

Multi-Style-Videodaten von 25,000 Personen enthalten Multi-Style-Videos von 25.000 Personen in verschiedenen Szenarien, wobei die Hautfarbe der Charaktere weiß/gelb/braun/schwarz und das Alter jung/mittelalt/älter ist, mit einer Videoauflösung von mindestens 1920x1080 und einer Dauer von nicht weniger als 10 Sekunden. Dieser Datensatz kann für Aufgaben wie die Generierung von Videos mit Charakterkonsistenz und die Generierung digitaler Personen verwendet werden.

100,000 Paare komplexer Aufforderungsanweisungen in Chinesisch mit Wortzahlen zwischen 50 und 400 Wörtern und nicht weniger als 3 Einschränkungen in jeder Aufforderung werden für das Training verwendet, um das Befolgen von Anweisungen in großen Modellen zu verbessern. Die Kategorien umfassen Generierung (Schreiben von Pressemitteilungen, Interviewskizzen, Copywriting, Manuskriptkorrektur, chinesische und englische Kompositionen, Grammatikstudium, Forschungsberichte, Studienpläne, Erstellung von Gedichten, Einführung in Lebensmittel, sanfte Werbung, Verkaufstaktiken, Schreiben von offiziellen Dokumenten mit Unterstützung, Überprüfung von offiziellen Dokumenten, Fragen und Antworten zu politischen Dokumenten usw.), Umschreiben (Umschreiben von Sätzen, Textkorrektur, Zusammenfügen von Sätzen, vereinfachtes Copywriting), Zusammenfassen (Inhaltszusammenfassungen), Extrahieren (Ereignisse), Extrahieren von Elementen, Extrahieren von Meinungen, Extrahieren von Schlüsselwörtern) und Extrahieren (Ereignisse). Element-Extraktion, Meinungs-Extraktion, Schlüsselwort-Extraktion, Positions-Extraktion, Entity-Extraktion). Alle Prompts werden manuell verfasst, um die Diversität abzudecken.

120,000 Gruppen multidisziplinärer und multimodaler Verständigungs- und Schlussfolgerungsdaten, die sechs Hauptdisziplinen wie Kunst, Ingenieurwesen, Medizin usw. sowie mehrere Spezialgebiete abdecken, mit professionellen Text-Bild-Mischfragen (z. B. Diagramme, technische Zeichnungen, Analyse von Kunstwerken), wobei jede Frage von Fachpersonal geprüft wird. Dieser Datensatz ermöglicht ein tiefes Verständnis von Text- und Bildinformationen und kann verwendet werden, um die logischen Schlussfolgerungs- und Wissensanwendungsfähigkeiten großer Modelle zu verbessern. Wir halten uns strikt an Datenschutzgesetze und Vorschriften zum Schutz der Privatsphäre, um sicherzustellen, dass bei der Datenerhebung, -speicherung und -nutzung die Privatsphäre und die gesetzlichen Rechte der Nutzer gewahrt bleiben. Alle Daten entsprechen den Bestimmungen der DSGVO, CCPA und PIPL.