AI数据集

MMMLU 数据集 一个用于评估 AI 模型多语言知识理解能力的基准测试集。

JEST是一种用于大规模预训练的数据筛选方法，通过联合选择数据批次来加速多模态学习。

Radar 4D雷达数据集 Snail Radar Dataset 是一个大规模的4D雷达数据集，专为自动驾驶系统中的定位、建图和地点识别而设计。这个数据集通过三种不同的平台（手持设备、电动自行车和SUV）在多种环境条件下收集，包括晴朗天气、夜间和大雨天气。

说话人识别语料库 武汉大学联合中国移动九天人工智能团队和昆山杜克大学基于YouTube数据开源了超过11万小时的音视频说话人识别数据集VoxBlink2，是目前最大的公开可用的音视频说话人识别数据集。该数据集丰富了开源语音语料库，支持训练声纹大模型。

一个大规模、高质量的数据集，它包含了5.7万亿个优质tokens，旨在为大语言模型训练提供丰富的数据资源。

Message Batches API 信息批量处理 一个用于处理和分析大量文本数据的API服务。

视觉位置识别技术 Revisit-Anything 可以帮助用户高效地管理和回顾各种内容。它能够对文本、图像、代码等多种类型的文件进行分类和标记，方便用户快速找到所需内容。同时，该工具还支持搜索功能，用户可以通过关键词快速定位到特定的文件或信息。

谷歌开源时间序列预测模型 具备强大的预测能力，可处理长达2048个时间点的单变量时间序列，支持任意预测时间跨度。

您的机器学习和数据科学社区 一个全球最大的人工智能与机器学习社区平台，汇集了超过2100万机器学习爱好者，旨在分享、压力测试和及时了解最新的机器学习技术和技巧。用户可以发现社区发布的海量模型、数据和代码，为下一个项目提供资源。

Trillium TPU 谷歌云平台推出的第三代张量处理器，专为机器学习和高性能计算工作负载设计。

3D 扫描数据网站 个提供丰富人体 3D 扫描模型资源的平台，为数字人赛道创业者等提供了宝贵的素材支持。

Agent Skills 开源知识库 Anthropic Agent Skills 是 Anthropic 推出的开源知识库，为 Claude 模型提供可动态加载的示范性技能与最佳实践，涵盖多领域实用技能集，支持开发者直接使用或按规范自定义技能，通过按需加载指令集降低 Token 消耗、提升特定任务处理效率。

seekdb数据集 OceanBase seekdb 是一款开源、轻量级、AI原生的混合搜索数据库，可在一个查询中融合向量、全文、标量与空间数据，实现毫秒级多模态搜索。

3.0（CCI 3.0）全景解析 CCI 3.0 是智源研究院发布的 1000 GB 级、经多维清洗与高质量标注的中文超大规模互联网语料库，为中文大模型与 NLP 研究提供“燃料”。

首个多语言代码修复基准数据集 首个专门针对多语言代码修复的基准数据集，旨在为代码修复研究提供高质量的数据支持，推动多语言编程环境下的代码修复技术发展。