system_prompt

Name: system_prompt
Creator: AIWizards
Published: 2024-07-19T08:50:50+08:00

OpenCSG2024-07-19 更新2026-01-19 收录

数据链接：

https://opencsg.com/datasets/AIWizards/system_prompt?tab=summary 数据链接链接失效反馈

官方服务：

资源简介：

该仓库提供数据内容，授权许可为CC-BY 4.0。

提供机构：

AIWizards

创建时间：

2024-07-19

RyokoAI_Syosetu711K

自然语言处理

文本生成

Syosetu711K 仓库提供了一个包含约 71.17 万部日语小说的文本数据集，这些小说来源于“成为小说家吧”网站。该数据集主要用于文本生成模型的非监督训练，同时也支持文本分类等任务。数据集中每部小说都带有元数据，包括作者、标题、ID、小说长度、积分、质量评分、章节数、关键词、是否为 R15+ 作品、小说类型 ID 和通用小说类型 ID 等信息，方便用户进行筛选和评估。该数据集基于 Apach

OpenCSG2024-07-19 更新210

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

hard

阿拉伯语

情感分析

HARD仓库主要面向阿拉伯语，包含从Booking.com收集的约10万条酒店评论文本，其中既有现代标准阿拉伯语，也有阿拉伯语方言。每条评论都带有一个1到5的评分标签，可用于多类别文本分类任务，例如情感分析。该仓库提供阿拉伯语酒店评论数据集，但授权许可等信息缺失。

OpenCSG2024-07-19 更新120

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

system_prompt

资源简介：

相关数据集