Selected clinical and non-clinical foundational language models.

Figshare2026-02-20 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/_p_Selected_clinical_and_non-clinical_foundational_language_models_p_/31381570 数据链接链接失效反馈

官方服务：

资源简介：

Selected clinical and non-clinical foundational language models.

创建时间：

2026-02-20

rewoo/sotu_qa_2023

政治问答

语言模型

这是一个关于2023年国情咨文的问答基准数据集，特别适用于工具增强的语言模型（LMs）或增强语言模型（ALMs）来测试模型在回答私有文档问题上的能力。

Hugging Face2023-05-22 更新200

tellarin-ai/llm-japanese-dataset-vanilla-aya-format

语言模型

数据调优

该数据集是从其原始v1.0.0格式转换而来，并在此以相同的CC-BY-SA 4.0许可证和条件下发布。它包含用于LLM构建/调整的日语指令类数据。数据集仅包含一个train分割，约有2.46M行数据。格式转换的细节包括如何将原始数据集中的instruction和input列合并，并在特定情况下添加前缀句子。转换后的数据集仅使用Aya格式指定的两列：inputs和targets。

Hugging Face2024-01-31 更新150

cygu/sampling-distill-train-data-aar-k3

水印技术

语言模型

该数据集用于基于采样的水印蒸馏训练，使用了Aar (k=3)水印策略。生成过程使用了Llama 2 7B模型，并基于解码水印技术生成了640,000个水印样本，每个样本长度为256个token。样本的生成基于OpenWebText的50-token前缀提示，但这些提示不包含在样本中。

Hugging Face2024-05-23 更新110

fine-tuned/jinaai_jina-embeddings-v2-base-es-6262024-yjwm-webapp

语言模型

西班牙文化

数据集“当代西班牙语言和文化”是一个生成的数据集，旨在支持开发特定领域的嵌入模型以用于检索任务。

Hugging Face2024-06-26 更新160

NeuralNovel/Neural-Story-v1

语言模型

文学创作

Neural-Story-v1数据集是一个精心策划的短故事集合，涵盖了丰富的类型和情节设置。该数据集由NeuralNovel组装，旨在为使用LoRa测试和微调小型语言模型提供有价值的资源。数据内容是通过Mixtral 8x7b的自动生成和手动精炼相结合的方式获得的。数据集特别设计用于测试目的，旨在提高类型多样性和写作中的创意与细微差别。策划该数据集的理由是为了提供多样化的类型混合，以激发和鼓励更多

Hugging Face2023-12-29 更新120

Selected clinical and non-clinical foundational language models.

资源简介：

相关数据集