相关数据集
cx-cmu/GEO-Bench
这是一个名为GEO-Bench Dataset (AutoGEO)的研究领域数据集，主要用于生成引擎优化(GEO)研究。数据集包含多个配置：main（用于GEO训练和评估的主要训练/测试数据，约8k训练/1k测试样本）、rule_candidate（用于内容偏好规则提取的数据，约8k样本）、cold_start（用于AutoGEO Mini的监督微调数据，约3.5k样本）、inference（仅用
Hugging Face2025-12-17 更新420
cx-cmu/E-commerce
这是一个商业领域的数据集，随AutoGEO发布，用于生成引擎优化（GEO）研究。数据集包含多个配置，包括主数据集（用于GEO训练和评估）、规则候选数据（用于内容偏好规则提取）、冷启动数据（用于AutoGEO Mini的监督微调）、推理数据（仅用于推理）、GRPO输入数据（用于GRPO训练）和GRPO评估数据（用于评估GRPO训练的模型）。
Hugging Face2025-12-17 更新110
cx-cmu/ClueWeb-Reco
ClueWeb-Reco数据集是由真实的美国浏览历史映射到ClueWeb22-B数据集的英语子集中的公开可用的网站构建而成。它模拟了真实用户交互，并作为ORBIT基准的隐藏测试集使用。数据集通过顺序留一法分割成验证集和测试集，用于预测用户在浏览序列中的下一个交互项目。
Hugging Face2025-10-24 更新100
cx-cmu/Researchy-GEO
这是与**AutoGEO**一起发布的用于**生成引擎优化（GEO）**研究的研究领域数据集。它包括多个配置，如main、rule_candidate、cold_start、inference、grpo_input和grpo_eval，每个配置用于不同的目的，如训练、评估和推理。该数据集与题为生成搜索引擎喜欢什么以及如何协作优化网络内容的论文相关联，并标记用于文本生成和生成搜索等任务。
Hugging Face2025-12-17 更新220
cx-cmu/deepresearchgym-agentic-search-logs
该数据集名为DeepResearchGym Agentic Search Logs，包含通过DeepResearchGym（DRGym）收集的超过1400万条搜索查询。所有记录都经过匿名化和清洗处理，以去除异常查询，并按照论文中描述的程序进行了会话化处理，即将查询分组到搜索会话中。数据集的结构包括会话ID、会话长度、查询ID、查询文本、时间偏移和检索深度等字段。数据集适用于信息检索、代理搜索、查询
Hugging Face2026-01-31 更新100
