multitask_MHA_esm2_t30_150M_UR50D_neg_ratio_8+8_shift_30_mask_0.2_2023-03-25_90

Name: multitask_MHA_esm2_t30_150M_UR50D_neg_ratio_8+8_shift_30_mask_0.2_2023-03-25_90
Creator: Zhongliang Zhou
Published: 2023-07-20T00:00:00+08:00

Zenodo2023-07-20 更新2026-04-07 收录

蛋白质磷酸化预测

多任务学习

数据链接：

https://zenodo.org/record/8170005 数据链接链接失效反馈

官方服务：

资源简介：

data need for phos-ST run

提供机构：

Zhongliang Zhou

创建时间：

2023-07-20

MMLU-CF

语言模型评估

多任务学习

MMLU-CF是由微软研究院创建的一个无污染的多任务语言理解基准数据集，旨在评估大型语言模型（LLMs）的世界知识理解能力。该数据集包含20000个问题，分为10000个测试集和10000个验证集，涵盖14个领域，从2000亿份公开文档中筛选而来。数据集的创建过程包括多选题收集、清洗、难度采样、LLMs检查和无污染处理，确保数据集的多样性和高质量。MMLU-CF的应用领域主要是评估和提升LLMs在

arXiv2024-12-20 更新3480

recursal/longbench-v2

自然语言处理

多任务学习

该数据集包含多种自然语言处理任务的配置，包括多项选择题、问题回答、文本分类、表格问题回答等。数据集使用英语，内容涉及长文本上下文和推理，数据规模小于1K。数据集遵循Apache-2.0许可。不同的配置对应不同的数据文件，涵盖了学术、金融、政府、法律等多个领域。这个数据集似乎是为了多任务学习而设计，特别关注长文本上下文理解和推理。

Hugging Face2025-10-10 更新230

The NeuroTask Benchmark Dataset

神经科学

多任务学习

A Benchmark Dataset for Multi-Task, -Session and -Subject Neural Analysis

kaggle2025-01-14 更新140

Omnidata

计算机视觉

多任务学习

Omnidata数据集是由瑞士联邦理工学院和加州大学伯克利分校合作创建的，旨在从真实世界的3D扫描中生成多任务中层视觉数据集。该数据集包含约1450万张图像，涵盖多种视觉任务，如深度估计、表面法线估计和语义分割等。创建过程涉及使用Blender等工具对3D扫描数据进行参数化采样和渲染。Omnidata数据集的应用领域广泛，旨在解决计算机视觉中的多任务学习问题，提高模型在真实世界场景中的性能。

arXiv2021-10-11 更新1850

gym-extensions framework

多任务学习

机器人控制

gym-extensions框架是由加拿大麦吉尔大学的Peter Henderson领导的研究团队开发的，旨在为连续域中的多任务学习提供一个可扩展的基准环境集。该数据集包含超过50个新的环境变体，分布在12个广泛的变体类型中，这些环境基于OpenAI Gym构建，支持系统化比较多任务、迁移和终身学习方法。数据集的应用领域包括机器人控制、自动驾驶等，旨在解决复杂任务间的知识迁移和学习效率问题。

arXiv2017-08-15 更新230

multitask_MHA_esm2_t30_150M_UR50D_neg_ratio_8+8_shift_30_mask_0.2_2023-03-25_90

资源简介：

相关数据集