GD-ML/AndroidCode
收藏Hugging Face2026-04-10 更新2026-04-05 收录
下载链接：
https://hf-mirror.com/datasets/GD-ML/AndroidCode
下载链接
链接失效反馈官方服务：
资源简介：
---
license: mit
---
应用场景：
提供机构：
GD-ML相关数据集
GD-ML/GenMRP
这是论文《GenMRP: 一种生成式多路径规划框架，用于高效和个性化的实时工业导航》的数据集。数据集包含以下特征类型：1. 链接特征：包括道路段属性，形状为K * 2 * N，关键特征有链接长度和链接车道宽度；2. 频率特征：记录用户过去三个月的旅行历史，形状为K * 2 * 10 * 7，关键特征有Delta Day和历史状态；3. 场景特征：表示路线推荐的上下文信息，形状为1 * 10，关键特
Hugging Face2026-03-06 更新160
GD-ML/TransitLM
TransitLM是一个用于中文城市环境中公共交通路线规划的数据集。它旨在支持训练和评估能够根据起点-终点信息生成结构化交通路线的语言模型。完整数据集覆盖了北京、上海、深圳和成都四个中国城市的交通规划数据，包括路线相关信息如坐标、站点序列、换乘结构、线路信息和路线注释。
Hugging Face2026-05-30 更新30
GD-ML/OmniDance
OmniDance是一个大规模的多模态舞蹈视频生成数据集，从互联网舞蹈视频中构建并筛选，用于研究文本-图像到视频（TI2V）、音乐-图像到视频（MI2V）以及文本-音乐-图像到视频（MTI2V）等任务。数据集专注于单舞者的舞蹈视频，包含强编舞内容、稳定的视觉外观和结构化的文本监督。数据集包含舞蹈视频片段和对应的编舞感知文本注释，描述了身体动态、编舞内容、表现力、摄像机呈现和整体视觉外观等关键属性。
Hugging Face2026-04-26 更新00
GD-ML/SCASRec
该数据集用于生成路线列表推荐的自纠正和自动停止模型的研究。数据集包含三种主要特征：路由特征（用于描述每条路线，包括静态特征、动态特征和轨迹统计特征，形状为N * 62，关键特征包括路线的预计到达时间和总距离长度）、场景特征（表示路线推荐的上下文信息，形状为1 * 10，关键特征包括请求时间和用户对起点和终点的熟悉程度）以及长特征（按时间顺序排列的一系列路线选择记录，形状为T * 31，关键特征包括
Hugging Face2026-02-25 更新70
GD-ML/MobilityBench
--- task_categories: - question-answering tags: - Agent - Benchmark - Route-Planning size_categories: - 50K<n<100K configs: - config_name: default data_files: - split: query path: datasets/all
Hugging Face2026-03-05 更新20
