人工智能数据集
corpus.cybersac.cn
中文互联网语料资源平台是由中国网络空间安全协会主办的专业语料服务网站，核心定位是为人工智能大模型预训练提供安全合规、质量可控的中文语料资源。平台核心功能包括多领域合规语料库查询下载、语料合规性检测服务、语料定制化加工支持，主要面向人工智能企业研发人员、高校科研团队、NLP领域研究人员、AI大模型训练从业者等用户，可应用于大模型预训练数据准备、中文自然语言处理研究、AI内容生成模型对齐、多模态语料库建设等多个场景，助力中文人工智能领域的合规发展与技术创新。
open-thoughts.ai
Open Thoughts是由Bespoke Labs和DataComp社区主导的开源推理数据集聚合平台，核心定位是为人工智能领域提供可公开使用的高质量推理数据集，助力小模型推理能力训练。平台具备多领域数据集分类检索、数据集质量标注说明、数据集下载权限开放、训练适配指导、社区贡献通道五大核心功能，主要面向AI研究人员、算法开发工程师、高校AI专业师生、模型训练从业者、AI领域教育工作者等群体，可应用于小模型推理能力优化、数学推理模型训练、代码生成模型迭代、AI推理相关学术研究、AI教学实践案例搭建等多个场景，所有公开资源遵循开源协议，可满足非商用及合规商用的研究开发需求。
ego-exo4d-data.org
Ego-Exo4D是专注于人类技能活动研究的多模态多视角视频数据集平台，核心定位为计算机视觉与多模态感知领域的研究提供标准化的训练与测试数据支撑。平台核心功能包含多视角同步视频数据供给、多模态传感器原始数据开放、配套自然语言标注资源下载，同时设置了对应基准挑战赛道。目标用户覆盖计算机视觉研究人员、多模态感知算法开发人员、人机交互领域学者、动作识别方向学生等群体，可应用于动作理解模型训练、多视角感知算法验证、人机交互系统研发、日常活动语义建模等多种学术与技术开发场景。