WanJuan3.0（“万卷·丝路”）一个作为综合性的纯文本语料库，采集了多个国家地区的网络公开信息、文献、专利等资料，数据总规模超1.2TB，Token总数超过300B（300 billion），处于国际领先水平。首期开源的语料库主要由泰语、俄语、阿拉伯语、韩语和越南语5个子集构成，每个子集的数据规模均超过150GB。基于“书生·浦语”智能标签分类体系，上海AI实验室研究团队将每个语料子集细分

OpenDataLab2026-07-12 更新850

乌拉特柄扁桃

植物品种

分类

该数据为乌拉特柄扁桃，数据格式为表格，属于中国草品种名录。数据内容包括品种名称、编号、学名、登记年份、申报单位和省份等。

国家林业和草原科学数据中心2023-06-13 更新360

Iris Dataset

机器学习

分类

这是一个机器学习和统计学中的经典数据集，包含在scikit-learn的dataset模块中。

github2020-05-28 更新170

war_technick_cv