caskcsg/Litelong_Nextlong_64k

Name: caskcsg/Litelong_Nextlong_64k
Creator: caskcsg
Published: 2026-01-03T04:42:37+08:00

Hugging Face2025-09-19 更新2026-01-03 收录

数据链接：

https://hf-mirror.com/datasets/caskcsg/Litelong_Nextlong_64k 数据链接链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

caskcsg

caskcsg/LongBench-Pro

上下文评估

双语基准

LongBench Pro是一个更真实、更全面的双语长上下文评估基准数据集，包含1,500个样本，完全基于真实的自然长文档构建。它涵盖11个主要任务和25个次要任务，评估现有基准测试中所有长上下文能力。数据集采用多样化的评估指标，支持对模型能力的细粒度测量，并提供平衡的英文和中文双语样本。此外，LongBench Pro引入了多维分类法，支持在不同操作条件下对模型进行全面评估，包括上下文要求（全局

Hugging Face2025-12-14 更新280

caskcsg/Libra-Emo

视频分析

情绪识别

Libra-Emo是一个大规模的多模态细粒度数据集，用于负面情绪检测。它包括视频片段、字幕、情绪标签和相应的解释。数据集是单语言的（英语），并遵循CC BY 4.0许可证发布。数据集的大小在10K到100K样本之间，分为训练集和测试集。特征包括视频、字幕、标签和解释。README提供了详细的下载、解压和使用数据集的说明，以及用于预测和评估的脚本。该数据集专为视频分类任务设计，特别是用于识别负面情绪

Hugging Face2025-05-25 更新190

caskcsg/LongMagpie_singledoc_longcontext_dataset

自然语言处理

指令数据生成

LongMagpie是一个自合成框架，用于自动生成大规模长上下文指令数据。该框架利用已对齐的长上下文大型语言模型（LLMs）自动生成上下文相关的查询，通过收集这些文档-查询对和模型的响应，LongMagpie能够产生高质量的指令，无需人工干预。实验表明，LongMagpie在长上下文任务上取得了领先性能，同时在短上下文任务上也保持了竞争力。

Hugging Face2025-08-02 更新140

caskcsg/NExtLong-512K-dataset-subset

自然语言处理

机器学习

NExtLong数据集是一系列通过负文档扩展方法合成的长上下文数据集，用于训练大型语言模型。这些数据集完全由合成数据组成，来源于fineweb-edu和Cosmopedia v2两个短文本数据集。数据集有不同的规模，包括64K、128K和512K合成数据，以及用于特定模型微调的子集和变体。

Hugging Face2025-08-02 更新250

caskcsg/Litelong_Nextlong_128k

--- license: apache-2.0 ---

Hugging Face2025-09-19 更新140