数据集 / 归档 / 2026-07-22

2026-07-22 数据集 (6)

wikimedia / wikipedia

所有语言的维基百科文章，已清理标记和无关章节。

6161.5万行 · 1.4 TB

  • 文本
  • 文本生成
  • 掩码填充
  • cc-by-sa-3.0 · 许可标注允许商用
  • 含中文

下载 229k · 收藏 1.3k · 2年前更新

greghavens / kimi-k3-coding-and-debugging-traces

Kimi K3模型在真实仓库中完成编码与调试的轨迹数据。

110 行 · 3 MB

  • 文本
  • 文本生成
  • cc-by-4.0 · 许可标注允许商用

下载 82 · 收藏 19 · 3天前更新

FreedomIntelligence / medical-o1-reasoning-SFT

基于医疗可验证问题的推理链SFT数据，蒸馏自Deepseek-R1。

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

下载 11k · 收藏 1.2k · 1年前更新

HuggingFaceFW / fineweb-edu

从FineWeb过滤得到的教育类网页数据。

34.97亿行 · 6.2 TB

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

下载 335k · 收藏 1.2k · 1年前更新

gsdf / EasyNegative

用于Stable Diffusion的负面嵌入向量，训练自Counterfeit模型。

3 行 · 3.9 GB

  • 图像
  • other · 许可待核

下载 15k · 收藏 1.2k · 3年前更新

togethercomputer / RedPajama-Data-1T

LLaMa数据集的完全开源复现。

172.6万行 · 39.5 GB

  • 文本
  • 文本生成

下载 1.6k · 收藏 1.2k · 2年前更新

← 前一日 2026-07-21 · 后一日 2026-07-23 →