IT之家7月5日消息，“数字甲骨共创中心”今日正式开源全球最大的甲骨文多模态数据集，共包含一万片甲骨的拓片、摹本，甲骨单字对应位置、对应字头、对应释文以及辞例分组、释读顺序等数据。据介绍，所有研究者都能基于该数据集研发甲骨文检测、识别、摹本生成、字形匹配和释读等算法，加速甲骨文研究智能化进程。IT之家查询获悉，数字甲骨共创中心由安阳师范学院甲骨文信息处理教育部实验室、腾讯SSV数字文化实验室、腾讯

AI卫星影像知识生成模型数据集稀缺的问题，又有新解了。来自武汉大学、上海AI实验室、西工大等9家机构共同推出了该领域的大型数据集，涵盖了21万个地理目标和40万个目标-关系三元组。而且像机场、港口、立交桥等这样复杂地理空间场景，也都包括在了数据集当中。具体来说，该数据集名为RSG，主要面向卫星影像中的目标检测（OBD）和场景图生成（SGG）任务。SGG有助于促进模型对地理空间场景从感知到认知的智能

IT之家2月23日消息，HuggingFace近日开源了一款名为“Cosmopedia”的 AI 训练数据集，号称是目前世界上最大的合成数据集。IT之家注意到，该数据集内容均由Mixtral7b模型汇总生成，其中收录3000万以上文本文件，包含大量教科书、博客文章、故事小说、WikiHow教程等内容，共计250亿个Token。据悉，Cosmopedia数据集除了收录上述文本文件

IT之家12月28日消息，蚂蚁集团今日宣布开源首个医疗专科推理数据集。该数据集由训练、验证、测试三部分组成，包含2132个问答对，每个问答对由医生根据临床经验编写的问题、专家提供的回答以及用于帮助推理的上下文构成，病种覆盖了97.6%以上的泌尿科就医人群，号称能“真实复刻诊疗场景”。在医疗行业，通用型语言模型在应对医疗问诊时，会直接给出答案，而医生则会根据专业知识进行反复的症状探讨，才能给出答案。

IT之家6月26日消息，美国麻省理工学院（MIT）的研究团队近日发表论文指出，现有的第三方推特（Twitter）机器人账户自动检测工具并不准确，因为其数据集过于简单，缺乏泛用性。此前有消息称，机器人账户过多是阻止马斯克收购推特的原因之一。推特当时声称其日活跃用户中有5%是机器人账户，但马斯克表示这个数字要比5%高得多。推特有自己的机器人账户识别系统，但并未公开。因此，对于普通公众而言，第三方工具是

IT之家12月8日消息，据5G推进组消息，为推动无线AI的技术研究、产业发展和商用化推广，中国信息通信研究院联合vivo、OPPO、中信科移动、三星、中兴等企业在移动通信开放数据平台（www.mobileai-dataset.cn）发布首批支持无线AI技术国际标准研究的数据集，面向公众开放下载使用。▲ 移动通信开放数据平台官网据介绍，发布数据集涵盖3GPP5G-AdvancedR18版本

IT之家8月7日消息 一个月前，微软宣布了开源SimuLand计划，允许安全研究人员部署实验室环境、重现攻击模式和技术，然后测试Microsoft365Defender、AzureDefender和AzureSentinel等工具是否可以检测对抗模式。研究人员还可以从这些实验中捕获遥测数据，以扩展他们自己的研究。现在，微软发布了第一次模拟练习的公共数据集。该模拟是关于攻击者如何从本地AD