开源数据集
brightband.com
Brightband是聚焦地球系统AI技术的气候与天气预测服务平台，核心定位是依托前沿AI能力提升极端天气、长期气候趋势的预测精度，辅助相关主体做出合理决策。平台核心功能包括开源气候数据集共享、AI气候预测模型训练支持、气候影响评估分析，目标用户覆盖气象科研人员、政府应急管理部门、农业生产企业、能源调度机构等群体，可应用于极端天气预警预案制定、农业种植气候风险预判、区域长期发展气候可行性论证等多个场景，推动全球气候适应工作的落地。
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。
mammoth-vl.github.io
MAmmoTH-VL是面向多模态推理领域的学术研究与应用支撑平台，核心面向多模态大模型研发人员、数学教育相关从业者、AI研究学者等群体。平台搭载基于指令调优优化的多模态大语言模型，可支撑多模态数学题解析、跨模态推理任务评测、推理过程可解释性分析三类核心需求。用户可通过平台体验模型对图文结合数学题的解答过程，也可获取开源数据集用于相关模型训练，还能借助基准测试结果对比不同多模态模型的推理能力，适合学术研究、教育工具开发、多模态模型迭代等场景使用。
novasky-ai.github.io
Sky-T1-32B-Preview是加州大学伯克利分校NovaSky团队开发的开源推理模型官方介绍站点，核心定位是为开发者和研究人员提供低成本高性能推理模型的完整信息支持。站点提供模型性能评测数据查询、开源资源下载入口、技术实现文档解析三大核心功能，面向AI研究人员、应用开发人员、高校计算机专业师生等群体，适用于推理能力模型复现、行业AI应用落地、学术研究对比参考等多个场景，助力开源大模型生态的技术迭代与落地实践。
objaverse.allenai.org
Objaverse是艾伦人工智能研究院推出的大规模标注3D物体数据集平台，核心为全球研究者、开发者提供标准化、多维度标注的3D资源。平台收录超80万个标注3D物体，每个对象配备名称、描述、标签、来源等元数据，覆盖静态模型、动画角色、可分解组件、室内外场景等多种类型，适配不同研究与开发需求。目标用户包括3D生成算法研究者、计算机视觉开发者、AI训练从业者、游戏内容创作者、元宇宙场景搭建人员、机器人研发工程师等，可用于3D生成模型训练、2D实例分割数据增强、开放词汇具身AI研发、多模态模型鲁棒性测试、3D内容原型制作等多个场景，降低3D相关研发的资源采集与标注成本。
starling.cs.berkeley.edu
Starling-7B是由伯克利团队研发的开放大型语言模型，依托强化学习从AI反馈（RLAIF）框架训练而成。核心功能包括模型推理交互、开源资源下载、测评数据展示、在线演示体验与技术文档预览。该项目面向AI研究者、大模型开发者、自然语言处理学习者、企业技术人员等群体，可应用于模型效果验证、下游任务微调、大模型技术研究、对话类应用原型开发等多个场景，为开源大语言模型生态提供可复用的训练框架与基础模型资源。
blog.salesforceairesearch.com
MINT-1T是Salesforce AI研究院推出的开源多模态数据集项目官网，核心定位是为多模态大模型训练提供大规模、高质量的多源图文训练数据。网站公开了数据集的规模参数、构建流程、过滤标准与合规说明，支持开发者下载使用规范、获取数据访问权限，还提供了基于该数据集训练的模型测试结果参考。目标用户包括AI领域的科研人员、大模型研发工程师、多模态算法研究者、高校计算机相关专业师生以及AI创业团队的技术人员，可应用于多模态大模型预训练、图文跨模态检索算法优化、多模态理解能力 benchmark 构建、低资源多模态任务迁移学习等场景。
gair-nlp.github.io
MathPile是面向数学领域的大规模公开语料库项目，核心定位为高可信度的高质量数学文本数据集合，总标记量约95亿，内容覆盖K-12到研究生阶段及数学竞赛相关内容。核心功能包括多来源数学内容整合收录、分级内容适配、规范授权支持。其数据来源覆盖教科书、讲座笔记、arXiv、维基百科、ProofWiki、StackExchange及公开数学类网页。目标用户涵盖数学领域研究者、大中小学数学教研人员、AI大模型训练从业者、数学竞赛备赛人员、数学科普内容创作者、数学专业学生。可应用于大模型数学能力训练、数学教研内容参考、数学知识库搭建、数学竞赛资料整理等场景。
wisemodel.cn
始智AI是专注于AI模型与数据集资源整合服务的平台，核心定位为AI开发者与研究人员提供可落地的算法资源支持。平台核心功能包括多模态AI模型检索下载、开源数据集分类筛选、模型在线快速部署测试，面向科研人员、企业算法团队、AI领域学生等用户群体，可应用于学术研究算法复现、企业AI项目快速落地、课程实践作业开发等多个场景，帮助用户降低AI项目前期的资源搜集与基础开发成本。