返回数据集雷达
来源描述
致力于收集和整理高质量的开源数据集，方便研究人员和开发者使用。
HuggingFace 实测指标
这一条没有可靠的 HuggingFace 仓库——它只在自家站点发布（WARC / tar 包 / 需签署协议 / 仅存于 GitHub）， 或者 HF 上的同名仓库是第三方子集与镜像，接上去会给出误导性的下载量。宁可留空，也不挂错数字。
训练阶段（本刊判断）
不归入单一训练阶段——它是入口或知识库类资源，横跨多个阶段。详见 按训练阶段看。
用途与主题（本刊判断）
检索入口
为什么值得盯
国内最成体系的数据集平台，背后是上海人工智能实验室。价值不只在托管，而在它把「数据集」当成一等公民做了检索、预览与许可证标注——这一点比直接翻 GitHub 仓库可靠得多。中文语料与文档解析类数据在这里的覆盖明显好于国际平台。
同领域 · 平台与检索入口
HuggingFace 开源数据集 ★
提供了丰富的开源数据集，涵盖多种领域和语言，支持自然语言处理、计算机视觉等多种任务。
Kaggle 开源数据集 ★
Kaggle平台上的开源数据集，涉及各种领域和任务，常用于数据竞赛和实践。
ModelScope 开源数据集 ★
提供了多种开源数据集，支持模型的训练和评估，涵盖多个领域。
UCI 机器学习仓库 ★
加州大学欧文分校提供的开源数据集，涵盖多个领域，常用于机器学习研究。
智源 BAAI 数据集 ★
北京智源人工智能研究院提供的开源数据集，涵盖多个领域，支持大模型的训练。
谷歌数据集搜索
谷歌提供的数据集搜索工具，可帮助用户找到来自不同来源的公开数据集。
领域、训练阶段、用途、License 分级与本刊判断由本刊维护； 规模、许可证与商用授权最终请以 原站 为准。