Douban Conversation Corpus 數(shù)據(jù)集
豆瓣會話語料庫包括一個訓練數(shù)據(jù)集、一個開發(fā)集和一個基于檢索的 聊天機器人的測試集，測試數(shù)據(jù)包含 1000 個對話上下文

E-KAR數(shù)據(jù)集-復旦大學
E-KAR數(shù)據(jù)集包含來自公務員考試的 1,655 個（中文）和 1,251 個（英文）問題，這 些問題需要深入的背景知識才能解決

FCGEC數(shù)據(jù)集-浙江大學
FCGEC數(shù)據(jù)集用于檢測,識別和糾正 語法錯誤,是一個人工標注的多參考語料庫,由 41340 個句子組成,主要來自公立學校語 文考試中的選擇題

DRCD數(shù)據(jù)集-臺達
DRCD數(shù)據(jù)集中文機器閱讀理解數(shù)據(jù)集,包含來自 2108 篇維基百科文章的 10014 個段落和由注釋者生成的 33,941 個問答對

Ape210K數(shù)據(jù)集-猿輔導 AI Lab
Ape210K是一個新 的大規(guī)模和模板豐富的數(shù)學單詞問題數(shù)據(jù)集,包含 210K 個中國小學水平的數(shù)學問題,包含黃金答案和得出答案所需的方程式

Math23K數(shù)據(jù)集-解決數(shù)學問題數(shù)據(jù)集
Math23K是為解決數(shù)學問題而創(chuàng)建的數(shù)據(jù)集,數(shù)據(jù)包含從在線教育網(wǎng)站上抓取的 6 萬多個中文數(shù)學單詞問題,都是小學 生真正的數(shù)學應用題

CAIL2018數(shù)據(jù)集 中國法律數(shù)據(jù)
CAIL2018是第一個用于判決預測的大規(guī)模中國法律數(shù)據(jù)集,收錄 了中國最高人民法院公布 260 萬件刑事案件,由適用的法律條款指控和刑期組成

中國開源大語言模型數(shù)據(jù)集 WuDaoCorpora數(shù)據(jù)集
WuDaoCorpora數(shù)據(jù)集采用 20 多種規(guī)則從 100TB 原始網(wǎng)頁數(shù)據(jù)中清洗得出最終數(shù)據(jù)集,注重隱私數(shù)據(jù)信息的去除,支持多領域預訓練模型的訓練