datasets

一个用于机器学习和模型训练的网络安全数据集集合，涵盖网络流量、恶意软件、Web攻击、钓鱼等，包括LANL、CTU-13和UNSW-NB15等著名公共研究数据集。

一个精选的GNN论文、数据集和实现工具集合，托管在GitHub上。

Strauss Zelnick 解释说，人工智能受限于向后看的数据，能够复现已知内容但无法创造突破，从而凸显了人类在决定构建什么方面的价值。

本文讨论中国作为后来者如何在AI领域迅速取得进展，质疑数据集、算力和算法的来源，这些使DeepSeek等公司能够赶上OpenAI和Google等美国领先者。

今天，Macrodata Labs 宣布成立，同时推出了 Refiner，一个用于处理机器人数据集的开源框架。该框架旨在帮助团队从演示和传感器数据中提取更多信号。

作者是一名机器学习学生，向机器人社区提出关于数据互操作性的问题，并提议进行一项实验，以规范化和丰富公共机器人数据集，以便更好地重用。

本文介绍了用于可复现的AI驱动热流体研究的开放多模态数据集和开源软件包，提出了时空维度框架及SeqReg等序列回归工具。

一位开发者感谢5000名关注者支持开源临床AI项目OpenMed，并暗示即将发布新的模型和数据集。

HuggingFace 基准数据集现在支持按模型大小筛选，从而可以进行类似 'swebenchverified 上 32B 以下最佳模型' 的比较。

对从零开始训练AI模型的挑战与魅力的个人反思，强调了数据、硬件和扩展方面的困难，同时指出令人惊讶的是，在普通硬件上也能训练出相当不错的小模型。

讨论了AI智能体工作流真实数据集的稀缺性，指出现有基准测试未能捕捉到混乱的生产场景，如工具故障、模糊请求和长时间对话漂移，并寻求更好的数据集推荐。

Hugging Face推出Storage Buckets，这是一个专为AI团队构建的存储解决方案，提供按TB计费、内置CDN以及针对模型权重、数据集和检查点的Xet去重功能。

由 mlabonne 整理的大语言模型指令与推理数据集列表，包含数据集特征、许可证及用例详情。

Clement Delangue 宣传 Hugging Face 的基础设施可用于托管模型、数据集和智能体内存，声称其比 S3 或 R2 更好、更快、更便宜、更安全。

庆祝 Hugging Face 社区达成 100 万个数据集的里程碑，彰显社区通过开放数据协作推动 AI 发展的共同努力。

Hugging Face 宣布其 Hub 上的开放数据集数量已达到 100 万个的里程碑，强调了开放数据对于开放模型的重要性。

MTSlive 已在 Hugging Face 发布 UFO 相关数据集，号召社区训练首个用于不明异常现象（UAP）检测的计算机视觉模型。