MSCoReMSCoRe是一个用于评估大型语言模型在复杂、多阶段场景中协同推理能力的新基准。该数据集包含来自汽车、医药、电子和能源领域的126,696个特定领域的问答实例。数据集的创建采用了动态采样、迭代问答生成和多级质量评估的流程,以确保数据质量。任务被细分为三个难度级别:简单、中等和困难,以便进行细粒度的分析。MSCoRe为社区提供了一个有价值的资源,用于评估和改进大型语言模型的多阶段推理能力。
EmoArtEmoArt是一个大规模的多维度情绪感知艺术数据集,包含132,664幅跨越56种绘画风格(如印象派、表现主义、抽象艺术)的艺术作品,提供了丰富的风格和文化多样性。每个图像都包括结构化注释:客观场景描述、五个关键视觉属性(笔触、构图、颜色、线条、光线)、二元唤醒-效价标签、十二种情绪类别以及潜在的艺术治疗效果。EmoArt旨在支持情绪驱动的图像合成,推动情感计算、多模态学习和计算艺术等领域的发展,使艺术疗法和创意设计等应用成为可能。
ShiftedBronzesShiftedBronzes数据集由吉林大学创建,旨在解决古代中国青铜器年代测定中的细粒度分类问题。该数据集包含6208张青铜器(如鼎和簋)的彩色、素描和拓印图像,以及51,023张通过零样本材料转移模型生成的容器和青铜器图像。数据集的创建过程包括从考古书籍和网站收集数据,并由专家进行详细标注。ShiftedBronzes数据集主要应用于考古学中的青铜器年代测定任务,旨在解决开放世界设置下的分布偏移问题,并为细粒度分类和异常检测方法提供基准测试。
CHBenchCHBench是由吉林大学开发的首个全面的中文健康相关基准数据集,旨在评估大型语言模型(LLMs)在理解和生成健康相关信息方面的能力。该数据集包含6493条心理健康相关数据和2999条生理健康相关数据,涵盖广泛的主题。数据来源于网络帖子、考试和现有数据集,经过精心筛选和标注,确保数据的质量和多样性。CHBench的创建过程包括数据收集、黄金标准响应选择和提示-响应对的标注,旨在为评估中文LLMs在健康领域的性能提供基础。该数据集的应用领域主要集中在健康信息的准确性和可靠性评估,旨在解决大型语言模型在健康相关查询中可能存在的误解和错误信息传播问题。
StructFlowBenchStructFlowBench是由吉林大学提出的一个针对多轮指令遵循能力的结构化流评估基准。该数据集包含8种任务类型、22个主题和13种约束类型,共计155个多轮对话,643个话轮和1,775个约束。它通过结构化流框架,将六种基本的话轮关系(追随、细化、回忆、总结、扩展、无关)融入多轮对话,旨在为多轮对话的指令遵循评估提供一个可解释的框架,并促进对话系统的结构化理解和分析。
Transcriptome differential gene dataset of low-density neutrophils and normal-density neutrophils in peripheral blood of patients with SporotrichosisTotal RNA was extracted from both NDNs and LDNs using TRIzol reagent, in accordance with the manufacturer’s instructions (Trans Gen, Beijing, China). RNA concentration and quality were assessed using a microplate reader (Synergy HTX, BioTek). RNA samples were then submitted to BGI Service Co., Ltd. (service ID #F23A040014029, Wuhan, China) for RNA sequencing and subsequent bioinformatics analysis. Raw sequencing data were filtered using SOAPnuke software (v1.5.6) to obtain clean reads. These clean reads were aligned to the reference genome using HISAT2 software (v2.1.0). The Dr. Tom System from BGI (https://biosys.bgi.com) was used for data analysis, plotting, and mining. DEGs were identified using FDR-adjusted q-values < 0.05 and fold changes > 2. To elucidate the functional implications of DEGs, Gene Ontology and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analyses were performed with the Dr. Tom System; results were visualized using a bubble diagram. GSEA was performed using KEGG gene sets, with significance defined as a NES ≥ 1.0, a nominal p-value < 0.05, and an FDR-adjusted q-value ≤ 0.25.
UB-GOLDUB-GOLD数据集由吉林大学创建,包含35个数据集,覆盖四种实际的异常和分布外检测场景。数据集内容丰富,涉及生物信息学、社交网络等多个领域,旨在通过不同类型的异常和分布外样本,评估和比较16种代表性的GLAD/GLOD方法。创建过程中,数据集被精心设计以模拟不同的数据分布和异常类型。该数据集主要应用于图机器学习系统的安全性和可靠性评估,解决图级异常检测和分布外检测的问题。