Magpie-Pro-DPO-200K-JSONL

Name: Magpie-Pro-DPO-200K-JSONL
Creator: AIWizards
Published: 2025-01-24T01:38:30+08:00

OpenCSG2024-07-19 更新2026-01-19 收录

数据链接：

https://opencsg.com/datasets/AIWizards/Magpie-Pro-DPO-200K-JSONL?tab=summary 数据链接链接失效反馈

官方服务：

资源简介：

该仓库提供了一系列自然语言处理能力，支持文本分类等任务。它提供了标准化数据操作和统一模型接口，方便用户使用。该仓库采用 Apache-2.0 授权许可。

提供机构：

AIWizards

创建时间：

2025-01-24

ShareGPT4Video

视频多模态

视频字幕生成

ShareGPT4Video Captions 4.8M数据集专注于视频的多模态字幕数据，旨在提升大型视频语言模型（LVLMs）和文本到视频模型（T2VMs）的模态对齐和细粒度视觉概念感知能力。数据集包含由GPT4-Vision生成的数据以及使用GPT4-Vision生成的视频-字幕对训练的ShareCaptioner-Video生成的数据，总规模达到480万。该数据集适用于视觉问答和问题回答等任

OpenCSG2024-07-19 更新180

kelm

知识增强预训练

数据到文本生成

Corpus for Knowledge-Enhanced Language Model Pre-training (KELM) 专注于将知识图谱三元组（主语、关系、宾语）转换为自然语言句子，用于数据到文本的生成任务。该语料库包含约1800万个句子，涵盖约4500万个三元组和约1500个不同的关系，数据来源于英文维基百科及其相关的知识图谱。数据集包括训练集、验证集和测试集，并采用CC BY-SA

OpenCSG2024-07-19 更新140

hebrew_sentiment

阿拉伯语情感分析

社交媒体挖掘

HebrewSentiment主要用于情感分析任务，它包含超过1万条从以色列总统Facebook页面收集的用户评论，并标注了情感极性（积极、消极、中立）。数据以TSV格式存储，包含希伯来语句子和情感标签两列。该仓库提供token和morph两种配置，并采用MIT许可。

OpenCSG2024-07-19 更新110

binding_affinity

蛋白质-配体结合亲和力预测

药物发现

jglaser/binding_affinity 仓库提供蛋白质序列和配体SMILES的结合亲和力数据，共包含190万个独特的配对，适用于微调语言模型。数据来源于BindingDB、PDBbind-cn、BioLIP和BindingMOAD。该仓库提供预处理后的数据集，并支持用户手动进行预处理。用户可以加载预先分割的训练集和验证集，或者选择移除特定蛋白质序列的数据集。

OpenCSG2024-07-19 更新170

consumer-finance-complaints

金融投诉分析

文本分类

consumer-finance-complaints 仓库提供了一个关于消费者金融产品和服务的投诉数据集，数据规模达到数百万条。这些数据由用户众包生成，主要用于文本分类任务，例如预测投诉相关的产品、子产品或标签（如老年人、军人）。数据集包含投诉文本、公司回应、消费者争议等多个字段，并已对个人身份信息进行匿名化处理。该数据集基于 Creative Commons Zero v1.0 Univers

OpenCSG2024-07-19 更新140

Magpie-Pro-DPO-200K-JSONL

资源简介：

相关数据集