官方服务：
资源简介：
Experiments with Llama 2 and OpenOrca
使用Llama 2与OpenOrca开展的实验
应用场景：
创建时间：
2023-10-21
相关数据集
m-CHA
m-CHA数据集是由印度理工学院孟买分校的研究团队手工收集的，包含了866个催化meta-C(sp2)-H键激活反应，这些反应源自26篇同行评审的论文。数据集中的反应在底物、偶联伙伴、催化剂、配体、氧化剂、碱和溶剂等方面有所不同。该数据集通过将反应物分子的SMILES字符串连接起来，形成一个适合机器学习模型构建的复合表示。该数据集的应用领域在于优化化学反应的收益率，解决化学反应中的催化剂、反应条件
arXiv2025-02-27 更新600
reyhanehrhp7/Jigsaw_partB_language_head
该数据集包含两个特征：提示（prompt）和完成（completion），均为字符串类型。数据集分为训练集、验证集和测试集三个部分，其中训练集包含1623个示例，验证集和测试集各包含203个示例。数据集的总大小为614308字节，下载大小为271617字节。
Hugging Face2025-10-17 更新60
vdaita/gsm8k_mini_gemma_answer_2_train
--- dataset_info: features: - name: question dtype: string - name: answer dtype: string - name: id dtype: int64 - name: initial_answer dtype: string splits: - name: train
Hugging Face2024-05-27 更新50
Supplementary_File_2.tar.gz
This package includes the dataset feature files and python script for the model exploration and validation of sgDesigner.
DataCite Commons2020-07-14 更新150
Data_Sheet_1_Leveraging Machine Learning Approaches for Predicting Antidepressant Treatment Response Using Electroencephalography (EEG) and Clinical Data.docx
Background: Individuals with major depressive disorder (MDD) vary in their response to antidepressants. However, identifying objective biomarkers, prior to or early in the course of treatment that can
NIAID Data Ecosystem50
