数据集 / 归档 / 2026-05-23

2026-05-23 收录的数据集（8）

本页记录当日收录项目。

wikimedia / structured-wikipedia

英语和法语维基百科的结构化文章数据

1046.9万行 · 74.3 GB

  • 文本
  • cc-by-sa-4.0 · 许可标注允许商用

4个月前更新

项目方资料核对

  • Wikipedia 原始数据难以直接用于 ML 管线，该数据集提供结构化 JSON，省去抓取与解析的工程负担
  • 目前仅覆盖英语和法语，其他语言尚未纳入

4 个来源 · 截至 2026-06-20

FreedomIntelligence / medical-o1-reasoning-SFT

基于医学可验证问题的推理链SFT数据

9.0万行 · 680 MB

  • 文本
  • 问答
  • 文本生成
  • apache-2.0 · 许可标注允许商用
  • 含中文

1年前更新

项目方资料核对

  • 提供带复杂思维链(Complex CoT)的医疗推理训练样本,覆盖鉴别诊断等临床场景
  • 数据完全由 GPT-4o 合成生成,非真实临床数据

3 个来源 · 截至 2026-06-20

HuggingFaceFW / fineweb-edu

从网络过滤出的教育类网页文本数据

34.97亿行 · 6.2 TB

  • 多模态
  • 文本生成
  • odc-by · 许可标注允许商用

1年前更新

项目方资料核对

  • 提供了大规模高质量教育内容用于LLM预训练(1.3T tokens)

2 个来源 · 截至 2026-06-20

gsdf / EasyNegative

Stable Diffusion的负面嵌入

3 行 · 3.9 GB

  • 图像
  • other · 许可待核

3年前更新

项目方资料核对

  • 防止画面出现单色、重复图案和怪异输出
  • 仅适用于 SD 1.5，与 SDXL、Pony、Illustrious 等模型不兼容

5 个来源 · 截至 2026-06-20

← 前一日 2026-05-22 · 后一日 2026-05-24 →