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.

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.

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.

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.

6,9 Millionen chinesische multidisziplinäre Testfragen textstrukturierte Analyse und Verarbeitung von Daten, einschließlich Grundschule, Junior High School, High School und Universität von mehreren Disziplinen. Jede Testfrage enthält Felder wie Frage, Antwort, Parsing, Fragetyp, Fachgebiet und akademischer Abschnitt. Diese Daten können für Aufgaben zur Verbesserung des Fachwissens großer Modelle verwendet werden.

20,011 OCR-Beschreibungsdaten natürlicher Szenen, einschließlich asiatischer und europäischer Sprachen, insgesamt 14 Sprachen, die Sammlung umfasst Ladenschilder, Bahnhofsschilder, Plakate, Straßenschilder und andere Szenen mit einer Vielzahl von Aufnahmewinkeln. Die Beschreibungssprache ist Englisch und beschreibt hauptsächlich die Textanordnung, den Textinhalt, die Farbe und andere Informationen.

200,000 Sätze von Bild-Text-Daten zu internationalen Wahrzeichengebäuden. Jeder Datensatz besteht aus einem Bild sowie einem Beschreibungsdokument auf Chinesisch und Englisch. Darin sind 80,000 Sätze zu chinesischen Wahrzeichen und 120,000 Sätze zu Wahrzeichen anderer Länder enthalten, mit einer Verteilung auf mindestens 20 Länder wie die Vereinigten Staaten, Großbritannien, Frankreich, Russland, Deutschland u. a. Pro Wahrzeichen liegen 1 bis 10 Bilder vor, die Informationen aus verschiedenen Perspektiven, Entfernungen und Zeitzonen vermitteln. Die Wahrzeichen umfassen verschiedene Typen von Gebäuden, wie Geschäftstürme, alte Bauten, Denkmäler, Bibliotheken, Sehenswürdigkeiten usw. Bei den Annotationen werden das Land des Wahrzeichens, die Stadt, der genaue Standort, die Kategorie sowie die Beschreibung des Wahrzeichens erfasst. Die Daten können für die Erkennung und Analyse von Wahrzeichengebäuden verwendet werden.