标签
Eidon AI，一家已经倒闭的初创公司，开源了1,274小时的第一人称视角机器人数据，包含13,451条记录，并在CC-BY-4.0许可下免费提供给机器人社区。
OpenBMB发布了UltraData-SFT-Agent-2609，这是一个包含50万个样本的数据集，用于代理指令调优，并在MiniCPM5-2B模型的后训练中使用。
本文提出了一种新颖的框架，用于评估大型语言模型中的二阶社会规范推理，发布了NormReact数据集，并揭示了当前LLMs在惩罚性社会制裁方面的预测高于人类判断。
本文提出了一种针对政治辩论的联合论点和实体检测方法，采用仅解码器的LLM生成框架，以提升性能，优于顺序管道。
VidaForge 是一个开放研究基础设施，它将视频数据配方建模为可执行工作流，以研究其对视频基础模型预训练的影响，并发布了包含314万场景级剪辑的数据集供研究使用。
本文介绍了WinoQueer-NL，一个用于评估语言模型对LGBTQ+身份偏见的荷兰数据集，并发现模型输出存在显著差异，特别是对跨性别和非二元身份的刻板印象更为有利。
本文介绍了OBJECTION，一个推理时流水线，使用对抗性律师代理来缓解法律判决预测模型中的有罪偏见，展示了错误有罪率的显著降低，并发布了一个新的'Natural Innocent'数据集。
Sesame 发布了 TurnBench，这是一个用于评估实时对话轮流发言的基准测试，包含排行榜和标注数据集，以评估模型在检测语音事件方面的性能。
本文介绍了MTDiag，一个多轮诊断对话数据集，用于在现实临床诊断场景中评估大语言模型，解决了静态问答基准测试的局限性。
本文介绍了Strategic 16K，一个用于文档敏感性分类的泄露控制数据集，并对经典与基于Transformer的模型进行了基准测试，其中BERT在解决标签泄露问题的同时取得了最佳性能。
SupraLabs 发布了 reasoning-corpus-4K-5M-v1，一个包含 500 万样本的推理数据集，用于训练小型语言模型 (SLM)，包含思维链追踪和 ChatML 格式，托管在 Hugging Face 上。
研究人员提出了一种源自日本全国学力·学习情况调查的新多模态基准测试，包含90万条汇总的学生答题数据，用于评估多模态大语言模型（MLLM）在真实K-12教育场景下的表现。
本文介绍了Checkup2Action，这是一个用于从临床体检报告生成面向患者的行动卡片的多模态数据集和基准测试，旨在解决普通患者理解医疗报告的困难。
PianoCoRe是一个大规模钢琴MIDI数据集，对开源音乐语料库进行统一和优化，包含5,625首作品、483位作曲家的250,046个演奏版本，提供音符级乐谱对齐，适用于音乐信息检索任务，并包含一个MIDI质量分类器和对齐优化流程。