LLM 데이터셋

본 데이터셋은 유럽의 4대 언어인 프랑스어, 독일어, 스페인어 및 이탈리아어에 초점을 맞추고 있으며, 원문과 교정문으로 구성된 48만 쌍의 텍스트 데이터를 포함합니다. 각 데이터는 JSON 형식으로 제공되며, input(원문)과 output(교정문)의 두 가지 필드를 포함합니다. 자연어 처리, 기계 번역 및 언어 교육 연구 등에 활용할 수 있습니다.

204,522장의 대규모 언어 모델 사진 촬영 문제 풀이 데이터로, 여러 학과와 문제 유형 및 수집 장비(스마트폰, 스캐너)를 포괄합니다. 텍스트는 전사 처리했으며, 수식과 표는 LaTeX 형식으로 전사했습니다. 본 데이터셋은 자동 채점, 과제 지도 등의 작업에 활용할 수 있습니다. 데이터 보호 법규 및 개인정보 보호 규정을 엄격하게 준수하여 데이터 수집, 저장 및 사용 과정에서 사용자의 개인정보와 합법적인 권익을 보호하며, 모든 데이터는 GDPR, CCPA 및 PIPL을 준수합니다.

1,400장의 인체 행동 이미지 설명 및 어노테이션 데이터로, 다양한 시나리오와 인간 활동을 수집하고 이미지 내 인물에 대한 어노테이션을 수행했습니다. 본 데이터는 멀티모달 대규모 언어 모델에 풍부한 리소스를 제공하며, 여러 AI 기업의 검증을 거쳤습니다. 실제 환경에서 모델의 성능 향상에 도움이 됩니다. 데이터 수집, 저장 및 사용 과정에서 데이터 보호 및 개인정보 보호 법규를 엄격하게 준수하여 사용자의 개인정보와 합법적인 권익을 보호하며, 모든 데이터는 GDPR, CCPA 및 PIPL 등 관련 법규를 준수합니다.

20,846세트 레시피 이미지·텍스트 설명 데이터입니다. 각 레시피는 4~18장의 이미지와 각 이미지에 대응하는 텍스트 설명으로 구성됩니다. 중국 요리, 서양 요리, 한식, 일식 등 다양한 요리를 포함합니다. 설명 언어는 중국어와 영어이며, 텍스트 길이는 중국어 설명의 경우 15자 이상, 영어 설명의 경우 30단어 이상입니다. 레시피 추천, 요리 교육 등의 분야에 활용할 수 있습니다.

본 데이터셋은 고품질 아이콘과 중국어 설명이 짝을 이루는 10만 세트 이상의 데이터를 제공하며, 3D 스타일과 벡터 일러스트레이션의 두 가지 주요 카테고리 및 16개 하위 카테고리로 구성됩니다. 각 아이콘에는 약 30자 분량의 정확한 중국어 설명이 제공됩니다. 그래픽 인식 모델 학습, UI/UX 인터페이스의 상호작용 이해 최적화 및 멀티모달 모델의 시각·언어 정렬 능력 향상에 활용할 수 있습니다.

20만 세트 다국가 랜드마크 건축물 이미지·텍스트 데이터입니다. 각 세트는 이미지 1장과 중국어 및 영어 설명 문서로 구성됩니다. 중국 내 랜드마크는 8만 세트, 기타 국가의 랜드마크는 12만 세트입니다. 미국, 영국, 프랑스, 러시아, 독일 등을 포함해 20개국 이상의 국가를 포괄합니다. 랜드마크별 이미지는 1~10장으로 구성되며, 서로 다른 촬영 각도, 거리 및 시간대에서 촬영한 랜드마크 정보를 포함합니다. 랜드마크 유형은 상업용 빌딩, 고대 건축물, 기념비, 도서관, 관광 명소 등 다양한 건축물을 포함합니다. 어노테이션 항목은 랜드마크 국가, 도시, 구체적인 위치, 분류 및 설명입니다. 본 데이터는 랜드마크 건축물 인식 및 분석에 활용할 수 있습니다.

2,858,306 세트 이미지 및 설명 데이터로, 풍경, 동물, 꽃과 나무, 인물, 자동차, 스포츠, 산업 및 건축 등 다양한 카테고리와 하나의 미학적 하위 데이터셋을 포함합니다. 이미지의 전체적인 시나리오, 시나리오 내 세부 내용 및 이미지가 표현하는 감정을 설명하며, 설명 언어는 영어와 중국어 두 가지로 구성됩니다.

70,303세트 다국가 전통문화 이미지·텍스트 설명 데이터로, 서예 및 회화 작품, 축제, 의류, 악기 등 다양한 카테고리를 포함하며 각 이미지에 대한 설명을 제공합니다. 본 데이터는 멀티모달 대규모 언어 모델에 풍부한 리소스를 제공할 수 있으며, 여러 AI 기업의 검증을 거쳤습니다. 실제 환경에서 모델의 성능 향상에 도움이 됩니다. 데이터 수집, 저장 및 사용 과정에서 데이터 보호 및 개인정보 보호 법규를 엄격하게 준수하여 사용자의 개인정보와 합법적인 권익을 보호하며, 모든 데이터는 GDPR, CCPA 및 PIPL 등 관련 법규를 준수합니다.

122,147개의 논리 추론 시험 문제 수집 데이터로, 도형 추론형 문제, IQ 테스트 문제, 사고 및 논리 추론 문제, 시각 도형 문제, 백과사전 지식 이미지 추론, 탐정 추론 유형 등 다양한 문제 유형을 포함하며, 문제, 답안 및 해설을 전사했습니다. 본 데이터셋은 대규모 언어 모델의 논리 추론 능력 향상에 활용할 수 있습니다. 데이터 보호 법규 및 개인정보 보호 규정을 엄격하게 준수하여 데이터 수집, 저장 및 사용 과정에서 사용자의 개인정보와 합법적인 권익을 보호하며, 모든 데이터는 GDPR, CCPA, PIPL을 준수합니다.