Glint-Research / Complete-FABLE.5-traces-2M
FABLE.5/Mythos 语料库的完整恢复版本，移除会话限制答案行
2个月前更新
2026-06-21 收录的数据集（10）
本页记录当日收录项目。
LocalLaws / LOCUS-v1
美国市县级法律文本的块级数据集，标注法律功能和主题
2个月前更新
Anthropic / hh-rlhf
关于有用性和无害性的人类偏好数据，用于 RLHF 训练
3年前更新
HuggingFaceFW / fineweb
来自 CommonCrawl 的清洗去重英文网络文本
1年前更新
Open-Orca / OpenOrca
增强的 FLAN 数据集，对齐 Orca 论文中的分布
1年前更新
OpenAssistant / oasst1
跨 35 种语言的人类生成标注助手对话语料
3年前更新
OpenAssistant / oasst2
众包多语言助手指令对话集，含质量评分与毒性检测
2年前更新
allenai / dolma3_dolmino_mix-100B-1125
100B token合成混合，专为Olmo 3第二阶段退火训练设计，覆盖数学/代码/推理
6个月前更新
fka / prompts.chat
从 prompts.chat 平台收集的 AI 提示词数据集
2个月前更新
togethercomputer / RedPajama-Data-V2
基于84个CommonCrawl快照的百亿级多语言预训练语料，含质量信号与去重ID
1年前更新