高质量数据
  1. 首页
  2. 高质量数据

列表

OmniCorpus

OmniCorpus

OmniCorpus是上海人工智能实验室联合多家知名高校和研究机构共同创建的一个大规模多模态数据集，包含86亿张图像和16960亿个文本标记，支持中英双语。它通过整合来自网站和视频平台的文本和视觉内容，提供了丰富的数据多样性。OmniCorpus不仅规模庞大，而且数据质量高，适合多模态机器学习模型的训练和研究。它广泛应用于图像识别、视觉问答、图像描述生成和内容推荐系统等领域。
AI项目与工具 2025年06月12日
SuperGPQA

SuperGPQA

SuperGPQA是由字节跳动豆包团队与M-A-P联合开发的知识推理基准测试集，覆盖285个研究生级学科，包含26529道题目。其核心功能是评估大语言模型的泛化能力和真实推理水平，42.33%的题目涉及数学计算或形式推理。该测试集采用专家与大语言模型协同构建的方式，确保题目质量，并涵盖STEM与非STEM领域，填补了长尾学科评估的空白。适用于模型性能评估、优化指导及跨学科研究等多种应用场景。
AI项目与工具 2025年06月12日
CCI 3.0

CCI 3.0

CCI 3.0是一项由智源研究院开发的大规模中文互联网语料库，包含1000GB主数据集及498GB高质量子集。该语料库覆盖新闻、社交媒体、博客等领域，数据规模较前代扩大近一倍，来源增至20余家机构。通过多维度标注与数据清洗技术，CCI 3.0筛选出高价值数据，适用于自然语言处理、大模型训练、知识图谱构建、内容推荐系统以及教育科研等多种应用场景。
AI项目与工具 2025年06月12日
万兴天幕大模型

万兴天幕大模型

万兴天幕大模型是万兴科技AILab的创新成果，展现了其在多媒体领域的深厚技术积累和前瞻性布局。通过自研技术和多年行业经验，天幕大模型为全球创作者提供了一个强大的工具，以实现...
创作工具 1970年01月01日
悟道·天鹰（Aquila）

悟道·天鹰（Aquila）

悟道·天鹰（Aquila）是智源研究院开源的中英双语语言大模型，具备强大的语言理解和生成能力。模型在设计上注重商用和数据合规性，同时提供持续的开源更新和技术支持。
Ai平台模型 1970年01月01日
Pony Diffusion

Pony Diffusion

一个擅长生成高质量、风格化、可爱动物主题的AI动漫艺术图片生成器，可以生成高质量的非真实感图像，涵盖各种风格，增强创造力和艺术表现力。
Ai绘画生成 2025年06月05日