AI生态大厅

中文诗词生成数据集，由中国古代各朝代诗词组成，可用于训练诗词续写模型

金融领域复杂问题思维链数据集项目。通过 Chain of Thought (CoT) 蒸馏方法从大规模语料中提取金融领域知识。

DISC-法律-SFT 数据集 中文法律智能系统需要结合多种能力，包括法律文本理解和生成。为此，我们构建了一个高质量的监督微调数据集，称为 DISC-法律-SFT，涵盖了不同的法律场景，如法律信息提取、法律判决预测、法律文件摘要和法律问题回答。DISC-法律-SFT 包含两个子集，即 DISC-法律-SFT-Pair 和 DISC-法律-SFT-Triplet。前者旨在向LLM引入法律推理能力，而后者则有助于提升模型利用外部法律知识的能力

中文油气井工程问答数据集（Chinese-Oilwell-Engineering-QA-Dataset） 本数据集面向油气井工程场景，聚焦钻井工程、完井工程、井壁稳定与石油工程导论等核心知识，采用问答（QA）形式组织，适用于中文技术领域大模型的指令对齐与领域微调。 数据集概览 规模：共 19,355 条样本。 类型：QA 型（基于 instruction → output 的指令问答结构）。 格式：JSON 数组（json-array）。 领域：钻井工程、完井工程、井壁稳定、石油工程导论等。 数据来源与整理 本数据集主要依据以下来源进行整理与归纳： 钻井工程、完井工程、井壁稳定、石油工程导论等相关教材与专著 公开的综述性学术文献与工程实践资料 在整理过程中，我们进行了人工初步查验与审核，以提

中文对联生成数据集，适用于训练对联生成模型。该数据集包含训练集（676460条）与测试集（1673条）。每条数据具备一个特征，即输入句子text1，由对联构成。

车载开机天气信息自动播报数据集属于下游data-to-text类任务，可以用于训练天气自动播报或者开机欢迎语模型。本数据集包括训练集（34334）验证集（4316）测试集（3861）。其中，每一条数据有两个属性，分别是输入句子text1和输出句子text2。其中输入句子是结构化的天气信息，输出句子为一段描述天气的开机欢迎语。

商品文案描述生成数据集属于下游data-to-text类任务，可以用于训练商品的卖点或文案描述生成模型。本数据集包括测试集（3848）。其中，每一条数据有两个属性，分别是输入句子text1和输出句子text2。其中输入句子是商品的卖点词，输出句子为一段描述该商品的文案。

本数据集是专为心理健康领域设计的蒸馏数据集，旨在提升大模型在心理学相关任务中的推理能力和生成质量。数据集基于 psychology-10k-sft-zh，通过 DeepSeek R1 模型生成思维链（think）和输出（content），进一步增强了模型的推理能力。数据集包含 10,000 条高质量样本，适用于心理学领域的自然语言处理任务，如心理咨询、情感分析、多轮对话等。 数据集特点 高质量推理数据：通过 DeepSeek R1 生成思维链和输出，提升模型的推理能力。 中文心理学场景：数据集为中文，覆盖心理学领域的多种场景和问题。 长文本支持：数据长度达到 4096 及以上，适合处理复杂的长文本任务。 多轮对话支持：数据集包含多轮对话生成能力，适合构建智能助手类应用。

淘宝好评数据集属于下游生成类任务，可以用于训练淘宝好评机器人。本数据集包括训练集（226）验证集（20）测试集（77）。其中，每一条数据有两个属性，分别是输入句子text1和输出句子text2。其中输入句子是答案和相关的段落，输出句子为相应的问题。

AdvertiseGen以商品网页的标签与文案的信息对应关系为基础构造，是典型的开放式生成任务，在模型基于key-value输入生成开放式文案时，与输入信息的事实一致性需要得到重点关注。