SNOW T15和T23是面向日语的简化语料库，包含原始日语、简化日语以及对应的英语翻译。其中，T15包含5万条人工简化的对齐句子，T23则是在T15基础上扩展的，包含3.5万条用简单日语词汇改写的句子，并标注了专有名词。这些数据主要用于日语自动文本简化以及简单日语与英语之间的互译任务。数据以xlsx文件格式存储，并采用CC-BY 4.0授权许可。

OpenCSG2024-07-19 更新240

sem_eval_2010_task_8

语义关系分析

自然语言处理

SemEval-2010 Task 8 专注于名词对之间语义关系的多向分类，旨在比较语义关系分类的不同方法，并为未来的研究提供一个标准测试平台。该仓库包含8000条训练样本和2717条测试样本，每条样本由一个句子和句子中两个名词之间的关系标签组成，关系标签包括因果、组成、内容-容器等19种类型。该仓库支持文本分类任务，并提供准确率、F1值、精确率和召回率等评估指标。

OpenCSG2024-07-19 更新170

sharegpt_gpt4

LLM训练数据

多轮对话生成

MedicalGPT仓库提供了一个基于GPT4的多语言问答数据集，核心定位是为LLM提供训练数据。该数据集包含从ShareGPT中挑选出的多轮对话数据，数据规模约为10万条，主要涵盖知识问答、编程题、推理计算等任务。标注信息来源于原作者，并采用CC-BY 4.0授权许可。数据集支持文本分类和文本生成等任务。

OpenCSG2024-07-19 更新250

MAMO

数学建模

线性规划

MAMO数据集是MAMO优化数据的直接副本，专注于提供数学建模的基准测试。它包含EasyLP和ComplexLP两个部分，数据规模小于1000个样本，并采用了CC-BY-NC 4.0授权许可。此数据集通过调整字段名称进行了适配，可用于相关研究和实验。

OpenCSG2024-07-19 更新210