LLM 데이터셋

본 데이터셋은 금융 분야에 초점을 맞추고 있으며, 제품, 시장, 행위, 원리 등 세부 영역의 시험 문제를 포함하고 있습니다. 총 25만 문항으로 구성되어 있으며, 선택형 문제와 서술형 문제가 각각 12.5만 문항씩 동일한 비율로 구성되어 있습니다. 데이터는 JSONL 형식으로 저장되어 있어 금융 지식 연구 및 학습에 풍부한 자료를 제공합니다.

한국어 시험문제 구조화 해석 처리 데이터, 시험문제 총량 약 150만 문제; 각 문제는 문제 유형, 질문, 정답, 해설 등 필드를 포함; 학과목 포함 【초등】국어, 수학, 영어, 사회, 과학; 【중등】국어, 영어, 수학, 과학, 사회; 【고등】국어, 영어, 수학, 물리, 화학, 생물, 역사, 지리; 문제 유형 포함 선택형, 빈칸 채우기, 판단형, 서술형 등; 해당 데이터는 대형 모델 학과 지식 강화 작업에 활용 가능.

일본 OKWAVE 질의응답 플랫폼의 텍스트 데이터는 질문, 답변, 카테고리, 게시 날짜, 작성자 등 여러 필드를 포함하며, 데이터는 지속적으로 업데이트 되고 있습니다. 2025년 4월 말까지 질문 840만 세트, 230억 자, 답변 2,700만 세트, 760억 자, 감사 표시(질문자가 답변자에게 감사를 표한 것) 1,550만 세트, 170억 자, 보충 설명 210만 세트, 36억 자가 수집되어 있습니다. 이 데이터는 범용 대규모 모델 훈련에 활용될 수 있습니다.

3,200만 개의 이공계 문제 텍스트 구조화 분석 데이터는 초등, 중등, 고등, 대학 수준의 수학, 물리, 화학, 생물 등 이공계 과목을 포함합니다. 각 문제는 문제, 정답, 해설, 문제 유형, 학과, 학년 등의 필드를 포함하고 있습니다. 본 데이터는 대형 모델의 학문 지식 강화 작업에 활용될 수 있습니다.

100만 개의 중국어 코딩 문제 텍스트 구조화 분석 데이터는 C, C++, Python, Java, JavaScript 등 다양한 언어의 프로그래밍 문제를 포함합니다. 각 문제는 문제, 정답, 해설, 언어 등의 필드를 포함합니다. 본 데이터는 모델이 코딩 및 프로그래밍 기술을 구축하고 강화하는 데 도움을 주어, 실제 프로그래밍 작업에서 더욱 뛰어난 성능을 발휘할 수 있도록 합니다.

영어 대형 모델 인스트럭션 미세 조정 텍스트 데이터셋입니다. AI 모델 최적화를 위한 학습 리소스로 설계되어, 모델의 명령 이해 및 수행 능력을 현저히 강화시킵니다. 언어학 전문가와 AI 엔지니어의 이중 검증을 거쳤으며, 주요 사전학습 모델의 미세 조정에 완벽히 호환됩니다.

5만 세트의 이미지 편집 데이터는 편집 유형으로 객체 제거, 객체 추가, 객체 수정, 객체 교체 등이 포함됩니다. 편집 대상은 인물, 동물, 상품, 식물, 풍경 등 다양한 장면을 포함하며, 라벨링은 편집 지시에 따라 해당 이미지의 편집 대상 객체를 분할하여 제거/추가/수정/교체 등에 대한 라벨링을 수행합니다. 본 데이터는 이미지 합성, 데이터 증강, 가상 환경 생성 등의 과제에 활용될 수 있습니다.

2.5만 명 인물 다중 스타일 영상 데이터는 2.5만 명이 다양한 장면에서 촬영된 여러 스타일의 영상을 포함하고 있습니다. 피부색은 백색/황색/갈색/흑색을 포함하며, 연령은 청년/중년/노년을 아우릅니다. 영상 해상도는 1920x1080 이상, 길이는 10초 이상입니다. 본 데이터는 인물 일관성 영상 생성, 디지털 휴먼 생성 등 과제에 활용될 수 있습니다.

10만 쌍의 복잡한 중국어 프롬프트 명령으로, 글자 수는 50~400자이며, 각 프롬프트에는 최소 3개의 제약 조건이 포함됩니다. 대규모 모델의 명령 준수성을 훈련시키는 데 사용됩니다. 카테고리는 생성(보도자료 작성, 인터뷰 질의지 작성, 카피라이팅, 원고 교정, 영중 작문, 문법 학습, 리서치 보고서, 학습 계획서, 시 창작, 푸드 리뷰, 기사형 광고, 영업 설득 멘트, 공문서 작성 보조, 공문서 검토, 정책 문서 Q&A 등), 재작성(문장 재작성, 텍스트 오류 교정, 문장 통합, 카피 간소화), 요약(내용 요약), 추출(사건 요소 추출, 의견 추출, 키워드 추출, 입장 추출, 개체명 추출)을 포함합니다. 모든 프롬프트는 인력 기반 작성으로 다양성을 포함합니다.