smoltalk Smoltalk-Chinese 是 OpenCSG 开发的中文大型语言模型专用合成数据集，包含 70 多万条高质量数据，涵盖多种任务类型，如信息查询、编程、数学、创意写作等。数据通过先进模型生成并经过严格筛选和去重，确保多样性与质量，适用于模型微调和多场景应用，提升语言理解和生成能力。 AI项目与工具 2025年06月12日 41 点赞 0 评论 124 浏览
SynCD SynCD是由卡内基梅隆大学与Meta联合开发的高质量合成训练数据集，用于提升文本到图像模型的定制化能力。它通过生成同一对象在不同视角、光照和背景下的图像，结合共享注意力机制和3D资产引导，确保对象一致性。该数据集支持无调优模型训练，提升图像质量和身份保持能力，广泛应用于个性化内容生成、创意设计、虚拟场景构建等领域。 AI项目与工具 2025年06月12日 92 点赞 0 评论 202 浏览
WebLI WebLI-100B是由Google DeepMind推出的超大规模视觉语言数据集，包含1000亿个图像与文本配对数据，是目前最大的视觉语言数据集之一。其设计旨在提升模型对长尾概念、文化多样性和多语言内容的理解能力。数据集通过网络爬取构建，保留了丰富的语言和文化多样性，支持多模态任务如图像分类、图像描述生成和视觉问答，广泛应用于人工智能研究、工程开发及教育领域。 AI项目与工具 2025年06月12日 51 点赞 0 评论 262 浏览
Chinese Chinese-LiPS是由智源研究院与南开大学联合开发的高质量中文多模态语音识别数据集，包含100小时语音、视频及手动转录文本。其创新性融合唇读视频与幻灯片内容，显著提升语音识别性能，实验表明可降低字符错误率约35%。适用于教学、科普、虚拟讲解等复杂语境，为多模态语音识别研究提供丰富数据支持。 AI项目与工具 2025年06月11日 47 点赞 0 评论 156 浏览
