Nvidia
收藏kaggle2022-08-10 更新2024-03-11 收录
下载链接：
https://www.kaggle.com/datasets/hafizahmadhassan/nvidia
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2022-08-10
相关数据集
nvidia/Granary
Granary是一个大规模、开源的多语言语音数据集，涵盖25种欧洲语言，用于自动语音识别（ASR）和自动语音翻译（AST）任务。该数据集提供了约1百万小时的伪标记高质量ASR语音数据，并支持ASR（转录）和AST（X→英语翻译）两种主要任务。Granary采用了一个复杂的多阶段处理流程，确保来自不同来源的数据具有高质量和一致性。它还包括如何访问和使用数据集的信息，以及如何组织音频文件以便正确运行的
Hugging Face2026-03-12 更新140
nvidia/ClimbLab
ClimbLab是一个经过过滤的1.2万亿token的语料库，包含20个cluster。基于Nemotron-CC和SmolLM-Corpus，我们使用提出的CLIMB-clustering算法对合并后的数据集进行语义重新组织和过滤，形成了一个高质量的大型语料库。
Hugging Face2025-04-21 更新70
nvidia/ClimbMix
ClimbMix是一个为大型语言模型(LLM)高效预训练而设计的小型但强大的4000亿标记数据集。它通过一种新的算法对数据进行过滤和混合，以确保在等量的标记预算下提供卓越的性能。该数据集适用于研究和开发。
Hugging Face2025-04-22 更新20
Nvidia Apex
kaggle2024-03-03 更新10
nvidia/HelpSteer
HelpSteer数据集包含37,120个样本，每个样本包括一个提示、一个响应以及五个人工标注的属性（帮助性、正确性、连贯性、复杂性和冗长性）。这些属性的评分范围是0到4，分数越高表示该属性越好。数据集用于训练模型，使其在帮助性、事实正确性和连贯性方面表现更好，同时可以调整响应的复杂性和冗长性。数据集的提示和响应分别由Scale AI和内部LLM生成，标注工作也由Scale AI完成。
Hugging Face2024-06-24 更新350
