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？
daven3/geosignal|科学领域适应数据集|语言模型训练数据集
收藏hugging_face2023-08-28 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/daven3/geosignal
下载链接
链接失效反馈资源简介：
GeoSignal是一个专为知识密集型指令调优设计的数据集，旨在与专家对齐。它从多种数据源收集知识，用于科学领域的适应性，特别是在指令调优的两个主要步骤中使用：通用指令调优和专业知识指令调优。全版本即将上传，或可通过电子邮件联系作者进行潜在的研究合作。
提供机构：
daven3
原始信息汇总
数据集概述
数据集名称
GeoSignal
许可证
Apache-2.0
任务类别
- 问答
数据集设计
GeoSignal 是为知识密集型指令调优设计的，用于与专家对齐。数据集的知识来源包括多种数据源。
使用场景
- 指令调优的一般阶段使用 Alpaca-GPT4 数据。
- 知识密集型指令调优阶段使用 GeoSignal 数据。
模型适配
- 适配器模型可在 Huggingface 上获取，地址为 daven3/k2_it_adapter。
联系方式
- 全版本即将上传，或通过电子邮件 daven 联系以探讨潜在的研究合作。
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
全国 1∶200 000 数字地质图（公开版）空间数据库
As the only one of its kind, China National Digital Geological Map (Public Version at 1∶200 000 scale) Spatial Database (CNDGM-PVSD) is based on China' s former nationwide measured results of regional geological survey at 1∶200 000 scale, and is also one of the nationwide basic geosciences spatial databases jointly accomplished by multiple organizations of China. Spatially, it embraces 1 163 geological map-sheets (at scale 1: 200 000) in both formats of MapGIS and ArcGIS, covering 72% of China's whole territory with a total data volume of 90 GB. Its main sources is from 1∶200 000 regional geological survey reports, geological maps, and mineral resources maps with an original time span from mid-1950s to early 1990s. Approved by the State's related agencies, it meets all the related technical qualification requirements and standards issued by China Geological Survey in data integrity, logic consistency, location acc racy, attribution fineness, and collation precision, and is hence of excellent and reliable quality. The CNDGM-PVSD is an important component of China' s national spatial database categories, serving as a spatial digital platform for the information construction of the State's national economy, and providing informationbackbones to the national and provincial economic planning, geohazard monitoring, geological survey, mineral resources exploration as well as macro decision-making.
DataCite Commons 收录
jpft/danbooru2023
Danbooru2023是一个大规模的动漫图像数据集，包含超过500万张由爱好者社区贡献并详细标注的图像。图像标签涵盖角色、场景、版权、艺术家等方面，平均每张图像有30个标签。该数据集可用于训练图像分类、多标签标注、角色检测、生成模型等多种计算机视觉任务。数据集基于danbooru2021构建，扩展至包含ID #6,857,737的图像，增加了超过180万张新图像，总大小约为8TB。图像以原始格式提供，分为1000个子目录，使用图像ID的模1000进行分桶，以避免文件系统性能问题。
hugging_face 收录
CMAB
CMAB数据集由清华大学创建，是中国首个全国范围的多属性建筑数据集，涵盖了3667个自然城市，总面积达213亿平方米。该数据集通过集成多源数据，如高分辨率Google Earth影像和街景图像，生成了建筑的屋顶、高度、功能、年龄和质量等属性。数据集的创建过程结合了地理人工智能框架和机器学习模型，确保了数据的高准确性。CMAB数据集主要应用于城市规划和可持续发展研究，旨在提供详细的城市3D物理和社会结构信息，支持城市化进程和政府决策。
arXiv 收录
NAEP - National Assessment of Educational Progress
NAEP（国家教育进展评估）数据集包含了美国全国范围内对学生学术成就的定期评估结果。该数据集涵盖了多个学科领域，如阅读、数学、科学等，并提供了不同年级和不同州的数据。数据集还包括了学生的背景信息和社会经济因素，以帮助分析教育成就的影响因素。
nces.ed.gov 收录
UniMed
UniMed是一个大规模、开源的多模态医学数据集，包含超过530万张图像-文本对，涵盖六种不同的医学成像模态：X射线、CT、MRI、超声、病理学和眼底。该数据集通过利用大型语言模型（LLMs）将特定模态的分类数据集转换为图像-文本格式，并结合现有的医学领域的图像-文本数据，以促进可扩展的视觉语言模型（VLM）预训练。
github 收录