MIXTURE是一个基于维基百科的指令蒸馏数据集，包含约144,884个样本，跨越五个任务类型，提供从多个低质量输入到单个高质量输出的层次映射。数据集创建过程包括从维基百科收集原始数据，生成高、低质量数据对，并通过LLM评分、多变种退化、跨主题融合和噪声注入等方式构建数据集。该数据集旨在解决低质量数据在指令微调中的有效利用问题，通过蒸馏和增强低质量数据，提高指令微调LLMs的效率和性能。

arXiv2025-10-23 更新420

B2B Live Contact Data | 5M+ High Quality UK B2B Contacts

B2B联系数据

数据增强

From our comprehensive UK Data Lake, we proudly present 5M+ high-quality UK decision-makers and influencers. Take your ABM strategy to the next level, build a strong pipeline and close deals by laser

Datarade160

ShowUI-desktop-8K

UI用户界面

数据增强

ShowUI-desktop-8K是一个专注于PC端UI定位的数据集，包含从OmniAct数据集获取的截图和注释。通过GPT-4o模型对原始注释进行了增强，添加了外观、空间关系和预期功能等多种属性。数据集包含训练集，共有7496个样本，总大小为16591347652.088字节。

Hugging Face2024-11-27 更新1560

speech-uk/youtube-videos-enriched

YouTube视频

数据增强

该数据集包含了视频相关的信息，包括视频的URL、标题、频道URL和视频时长。数据集被划分为训练集，共有8093个视频示例。数据集的下载大小为944343字节，解压后的大小为1884152字节。数据集提供了一个默认配置，其中指定了训练数据的文件路径。

Hugging Face2025-07-01 更新170