redpajama

Name: redpajama
Creator: OpenDataLab
Published: 2023-10-11T13:36:27+08:00

OpenXLab2026-04-18 收录

语言模型预训练数据

训练数据构建流程

数据链接：

https://openxlab.org.cn/datasets/OpenDataLab/redpajama 数据链接链接失效反馈

官方服务：

资源简介：

RedPajama-数据存储库包含用于准备大型数据集以训练大型语言模型的代码。

提供机构：

OpenDataLab

创建时间：

2023-10-11

PAQ (Probably Asked Questions)

自然语言处理

机器学习

可能问的问题 (PAQ) 是一个非常大的资源，包含 6500 万个自动生成的 QA 对。 PAQ 是 65M 自然语言 QA 对的半结构化知识库 (KB)，模型可以记忆和/或学习从中检索。 PAQ 与传统 KB 的不同之处在于问题和答案以自然语言存储，并且生成的问题很可能出现在 ODQA 数据集中。 PAQ 是使用问题生成模型和维基百科自动构建的。

OpenDataLab2026-07-12 更新300

HSPACE (Human-SPACE)

3D人体传感

虚拟现实

目前，3d 人体传感技术的进步受到缺乏具有 3d 地面实况的视觉数据集的限制，包括多人，在运动中，在现实世界环境中操作，具有复杂的照明或遮挡，并可能被移动相机。复杂的场景理解需要估计人体姿势和形状以及手势，以实现最终将有用的度量和行为信号与自由视点照片般逼真的可视化能力相结合的表示。为了保持进步，我们构建了一个大型逼真的数据集 Human-SPACE (HSPACE)，其中包含放置在复杂合成室内和

OpenDataLab2026-07-12 更新100

Clothing Attributes Dataset

服装属性识别

细粒度分析

我们引入服装属性数据集，以促进学习对象视觉属性的研究。该数据集包含1856个图像，具有26个地面真相服装属性，例如 “长袖”，“有衣领” 和 “条纹图案”。标签是使用Amazon Mechanical Turk收集的。

OpenXLab80

NLI-TR (Natural Language Inference in Turkish)

自然语言处理

机器翻译

土耳其语自然语言推理 (NLI-TR) 将两个大型英语 NLI 数据集翻译成土耳其语，并有一个专家团队验证他们的翻译质量和对原始标签的保真度。

OpenDataLab2026-07-12 更新120

Kinship