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？
DomMa|大型语言模型数据集|教育评估数据集
收藏arXiv2023-08-10 更新2024-08-06 收录
下载链接：
http://arxiv.org/abs/2304.11679v2
下载链接
链接失效反馈资源简介：
DomMa是一个针对大型语言模型（LLMs）的领域知识理解测试数据集，覆盖广泛的领域，数据量大，并根据中国112个一级学科分类持续更新。该数据集包含来自中国大学研究生入学考试和本科考试的100,000个中英文问题。
创建时间：
2023-04-23
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
中国裁判文书网
中国裁判文书网是中国最高人民法院设立的官方网站，旨在公开各级法院的裁判文书。该数据集包含了大量的法律文书，如判决书、裁定书、调解书等，涵盖了民事、刑事、行政、知识产权等多个法律领域。
wenshu.court.gov.cn 收录
GEO (Gene Expression Omnibus)
GEO (Gene Expression Omnibus) is a public functional genomics data repository supporting MIAME-compliant data submissions. There are also tools provided to help users query and download experiments and curated gene expression profiles.
OPEN DATA NETWORK 收录
Chinese-Poetry-Corpus
本语料库收集自互联网，包含了从先秦到当代的古诗词数据，以CSV格式进行存储。经过去重后，包含诗词共计1014508首。古诗词按朝代进行划分，存储于文件夹下，命名规则为朝代.csv。每首诗词数据包含五个字段，分别为标题、朝代、作者、体裁、内容。
github 收录
ActivityNet Captions
The ActivityNet Captions dataset is built on ActivityNet v1.3 which includes 20k YouTube untrimmed videos with 100k caption annotations. The videos are 120 seconds long on average. Most of the videos contain over 3 annotated events with corresponding start/end time and human-written sentences, which contain 13.5 words on average. The number of videos in train/validation/test split is 10024/4926/5044, respectively.
Papers with Code 收录
中文人名语料库（Chinese-Names-Corpus）
本项目包含多个数据集，如中文常见人名、中文古代人名、中文姓氏等，数据大小从数千到数百万不等，语料来源广泛，经过数据清洗处理，适用于中文分词、人名识别等场景。
github 收录