Hypotheses generation from full-text and system chart

NIAID Data Ecosystem2026-05-02 收录

科学假设生成

多模态信息提取

数据链接：

https://figshare.com/articles/dataset/Hypotheses_generation_from_full-text_and_system_chart/26322202 数据链接链接失效反馈

官方服务：

资源简介：

This folder contains all the hypotheses for all cases in the full text and system chart hypothesis generation comparison part.

创建时间：

2024-07-18

HypoGen

科学假设生成

推理分析

HypoGen数据集是由牛津大学等机构的研究人员创建的，包含了从顶级计算机科学会议论文中提取的约5500个结构化问题-假设对。该数据集采用Bit-Flip-Spark模式，其中Bit是传统假设，Flip是创新方法，Spark是关键洞察的简短总结。数据集还包含了一个详细的推理链组件，展示了从传统观点到创新想法的思维过程。该数据集旨在为科学假设生成任务提供支持，解决科学研究中假设生成的问题。

arXiv2025-04-17 更新1360

DanTheGuy/ChartQA_Benetech_PlotQa_DVQA_combined_matcha_complete

视觉问答

多模态信息提取

该数据集包含图像和对应的文本标签，主要用于图像识别或文本生成任务。数据集分为训练集和验证集，训练集包含534,903个样本，验证集包含201个样本。数据集的下载大小为13,499,025,275字节，总大小为14,070,017,688.158字节。

Hugging Face2024-10-29 更新130

v1v1d/Arxiv_MD_v1_1k

学术文档图像处理

多模态信息提取

--- dataset_info: features: - name: image dtype: image - name: markdown dtype: string splits: - name: train num_bytes: 229776158.256 num_examples: 904 - name: test num_

Hugging Face2024-06-23 更新70

M-MRE

多模态信息提取

机器学习

M-MRE数据集是基于现有GMNER数据集构建的，用于支持多模态信息提取领域的多模态相互强化效应（M-MRE）任务。该数据集融合了细粒度和粗粒度任务，包括实体识别、图像分割和图像描述。数据集通过利用大型语言模型生成图像描述，并结合现有的实体识别数据，实现了多模态任务的相互强化，旨在提升模型在多模态信息提取任务中的性能。

arXiv2025-04-24 更新710

Comparing AI-Driven Hypothesis Generation: Evaluating Large Language Models

人工智能

科学假设生成

This comparison explores two AI-driven approaches to scientific hypothesis generation: one leveraging Large Language Models (LLMs) for biomedical hypothesis formulation and the other utilizing an in-c

DataCite Commons2025-02-06 更新70

Hypotheses generation from full-text and system chart

资源简介：

相关数据集