有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
HuggingFaceH4/stack-exchange-preferences|用户偏好分析数据集|自然语言处理数据集
收藏hugging_face2023-03-08 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/HuggingFaceH4/stack-exchange-preferences
下载链接
链接失效反馈资源简介：
该数据集包含来自Stack Overflow数据集的问题和答案，专门用于偏好模型训练。数据集中的问题至少有两个答案，每个答案根据点赞数和提问者的接受情况获得分数。此数据集还可用于指令微调和语言模型训练。README文件中还提供了一个用于创建二值化数据集的脚本，这对于偏好模型预训练至关重要。数据集遵循cc-by-sa-4.0许可，具有特定的归属要求。
提供机构：
HuggingFaceH4
原始信息汇总
H4 Stack Exchange Preferences Dataset 概述
数据集描述
- 数据集名称: H4 Stack Exchange Preferences Dataset
- 数据集用途: 主要用于偏好模型训练，也可用于指令微调和语言模型训练。
- 数据集内容: 包含从Stack Overflow数据转储中筛选出的问题及其至少两个答案，每个答案附有根据Anthropic论文定义的评分。
- 评分机制: 评分计算公式为
score = log2 (1 + upvotes) 四舍五入到最近的整数，如果答案被提问者接受则加1，如果upvotes为负则评分设为-1。 - 数据集大小: 下载大小为22.13 GB。
- 数据集语言: 主要为英语。
使用指南
- 数据预处理: 提供了一个脚本用于将数据集二值化，以便于偏好模型预训练。
- 注意事项: 使用此数据集进行偏好模型预训练时，可能需要进一步过滤数据以匹配评分。
许可证信息
- 许可证: CC-BY-SA-4.0
- 使用要求: 使用时必须按照许可证要求进行适当的归属，包括显示内容来源、作者信息及直接链接至原始问题和作者个人资料页。
引用信息
@online{h4stackexchange, author = {Lambert, Nathan and Tunstall, Lewis and Rajani, Nazneen and Thrush, Tristan}, title = {HuggingFace H4 Stack Exchange Preference Dataset}, year = 2023, url = {https://huggingface.co/datasets/HuggingFaceH4/stack-exchange-preferences}, }
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
TCIA
TCIA（The Cancer Imaging Archive）是一个公开的癌症影像数据集，包含多种癌症类型的医学影像数据，如CT、MRI、PET等。这些数据通常与临床和病理信息相结合，用于癌症研究和临床试验。
www.cancerimagingarchive.net 收录
Figshare
Figshare是一个在线数据共享平台，允许研究人员上传和共享各种类型的研究成果，包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。
figshare.com 收录
中国陆域及周边逐日1km全天候地表温度数据集（TRIMS LST；2000-2024）
地表温度（Land surface temperature, LST）是地球表面与大气之间界面的重要参量之一。它既是地表与大气能量交互作用的直接体现，又对于地气过程具有复杂的反馈作用。因此，地表温度不仅是气候变化的敏感指示因子和掌握气候变化规律的重要前提，还是众多模型的直接输入参数，在许多领域有广泛的应用，如气象气候、环境生态、水文等。伴随地学及相关领域研究的深入和精细化，学术界对卫星遥感的全天候地表温度（All-weather LST）具有迫切的需求。 本数据集的制备方法是增强型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Terra/Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性，最终重建得到较高质量的全天候地表温度数据集。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Terra/Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。当以MODIS LST为参考时，该数据集在白天和夜间的平均偏差（MBE）为0.09K和-0.03K，偏差标准差（STD）为1.45K和1.17K。基于19个站点实测数据的检验结果表明，其MBE为-2.26K至1.73K，RMSE为0.80K至3.68K，且在晴空与非晴空条件下无显著区别。 本数据集的时间分辨率为逐日4次，空间分辨率为1km，时间跨度为2000年-2024年；空间范围包括我国陆域的主要区域（包含港澳台地区，暂不包含我国南海诸岛）及周边区域（72°E-135°E，19°N-55°N）。本数据集的缩写名为TRIMS LST（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST），以便用户使用。需要说明的是，TRIMS LST的空间子集TRIMS LST-TP（中国西部逐日1 km全天候地表温度数据集（TRIMS LST-TP；2000-2024）V2）同步在国家青藏高原科学数据中心发布，以减少相关用户数据下载和处理的工作量。
国家青藏高原科学数据中心 收录
LIDC-IDRI
LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。
OpenDataLab 收录
UAVDT Dataset
The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.
datasetninja.com 收录