HuggingFaceCode / stack-v3-train
从 GitHub 爬取的源代码数据集，用于预训练代码大模型，含完整仓库上下文
1个月前更新
2026-08-08 收录的数据集（3）
本页记录当日收录项目。
MatrAIx2026 / MatrAIx_Persona_1M
人物画像数据集，每条含 1290 个分类属性，由真实记录与合成数据构成
1个月前更新
PaddlePaddle / Real5-OmniDocBench
基于 OmniDocBench v1.5 的文档解析基准，含扫描、弯曲、屏摄、光照、倾斜五类场景
1个月前更新