本研究提出了多个针对小规模数据集的测试集变体，包括Tiny ImageNetV2, -R, -A，以及医疗和航空领域的MedMNIST-C和EuroSAT-C。这些数据集通过将ImageNet的泛化和鲁棒性基准转移到小规模数据领域来创建，旨在评估和提升Vision Transformers在有限数据情况下的性能和鲁棒性。数据集的创建过程涉及将真实数据与生成数据结合，以扩展现有的小规模数据集。这些数

arXiv2024-08-26 更新240

CoPrUS-MultiWOZ

对话系统

数据增强

CoPrUS-MultiWOZ数据集是由奥斯特拜尔技术大学安贝格-魏登分校的研究团队基于MultiWOZ 2.1数据集创建的，旨在通过添加合成通信错误来增强对话系统的现实性。该数据集包含近1900个对话，通过使用大型语言模型（LLM）生成错误和修复语句，涵盖了误解、非理解和模糊相关问题三种类型的通信错误。创建过程包括两步推理和自动质量保证，以确保生成的语句质量。该数据集主要应用于任务导向对话系统，

arXiv2024-12-10 更新170

extended_amazon_2023_dataset

产品评论

数据增强

该数据集是Amazon Reviews '23数据集的扩展版本，包含了多个类别的产品信息，如家用电器、服装鞋类和珠宝、体育和户外用品、视频游戏等。数据集经过了数据清洗和增强处理，特别是移除了没有图片的条目，并对重复图片的条目进行了处理。此外，数据集使用了LLM（大语言模型）生成了用户友好的标题、描述和特征。数据以jsonl格式提供，包含多个字段如数据来源、产品ID、图片描述等。

Hugging Face2026-01-24 更新780

10679 Arabic Names UTF8

阿拉伯语名字

数据增强

Collection of Arabic Names from multiple resources, good for GEN

kaggle2023-06-23 更新170