VL-Thinking是一个基于R1衍生的视觉指令微调数据集，专为可思考的低级视觉模型（LVLMs）设计。它包含了从不同领域（数学、地理等）和不同类型（封闭式、开放式）的问题，以及与之相关的图像。数据集的样本数量在10K到100K之间，并通过四个步骤生成：图像描述、视觉语言链式思维数据生成、答案重写和答案验证。

Hugging Face2025-02-27 更新190

UCSC-VLAA/MedVLThinker-pmc_vqa

视觉问答

医学影像

该数据集包含了图像、问题、选项、答案标签、答案等信息，适用于图像理解和问题回答等任务。数据集分为训练集，共有176917个样本，总大小超过27GB。

Hugging Face2025-08-15 更新90

STAR-benign-915

模型安全

推理对齐

STAR-1是一个高质量的安全数据集，旨在增强大型推理模型（LRMs）如DeepSeek-R1的安全对齐。该数据集基于多样性、深思熟虑的推理和严格的过滤原则构建，整合并优化了多个来源的数据，提供了以政策为基础的推理样本。STAR-1包含1000个精心挑选的示例，每个示例都通过基于GPT-4o的评价与最佳安全实践保持一致。使用STAR-1进行微调可以在多个基准测试中显著提高安全性，同时对推理能力的影

Hugging Face2025-04-04 更新230

UCSC-VLAA/PARADE_audio

音频-语言模型公平性评估

AI伦理偏见检测

AHELM（音频语言模型全面评估）数据集是一个用于评估音频语言模型在音频感知、知识、推理、情感检测、偏见、公平性、多语言性、鲁棒性、毒性和安全性等10个关键方面的性能的基准。该数据集包含了多个子数据集，其中包括PARADE和CoRe-Bench，分别用于评估模型避免刻板印象和对话音频推理的能力。

Hugging Face2025-09-07 更新100