Датасеты для ИИ

Открытые наборы данных для обучения моделей — по задачам, с реальными метриками загрузок.

• codeparrot/github-code

  Открытый датасет для задач «Генерация текста». Языки: code. 5 373 291 загрузок и 373 лайков на Hugging Face.

  Генерация текста↓ 5 373 291♥ 373
• anisoleai/fineweb-tokenized

  Открытый датасет для задач «Генерация текста». Языки: en. 4 590 749 загрузок и 5 лайков на Hugging Face.

  Генерация текста↓ 4 590 749♥ 5
• huggingface/documentation-images

  Открытый датасет для задач «—». 2 982 443 загрузок и 162 лайков на Hugging Face.

  —↓ 2 982 443♥ 162
• Benjy/typed_digital_signatures

  Открытый датасет для задач «Классификация изображений». Языки: en. 2 830 938 загрузок и 9 лайков на Hugging Face.

  Классификация изображений↓ 2 830 938♥ 9
• KakologArchives/KakologArchives

  Открытый датасет для задач «Классификация текста». Языки: ja. 2 330 320 загрузок и 62 лайков на Hugging Face.

  Классификация текста↓ 2 330 320♥ 62
• ksolovev/FineNews

  Открытый датасет для задач «—». 1 955 818 загрузок и 18 лайков на Hugging Face.

  —↓ 1 955 818♥ 18
• hallucinations-leaderboard/results

  Открытый датасет для задач «—». 1 512 748 загрузок и 8 лайков на Hugging Face.

  —↓ 1 512 748♥ 8
• ayuo/hd_tmp

  Открытый датасет для задач «—». 1 479 534 загрузок и 20 лайков на Hugging Face.

  —↓ 1 479 534♥ 20
• banned-historical-archives/banned-historical-archives

  Открытый датасет для задач «—». 1 451 054 загрузок и 52 лайков на Hugging Face.

  —↓ 1 451 054♥ 52
• ryanmarten/OpenThoughts-1k-sample

  Открытый датасет для задач «—». 1 391 683 загрузок и 33 лайков на Hugging Face.

  —↓ 1 391 683♥ 33
• allenai/c4

  Открытый датасет для задач «Генерация текста». Языки: af, am, ar, az. 1 358 872 загрузок и 607 лайков на Hugging Face.

  Генерация текста↓ 1 358 872♥ 607
• Salesforce/wikitext

  Открытый датасет для задач «Генерация текста». Языки: en. 1 343 021 загрузок и 729 лайков на Hugging Face.

  Генерация текста↓ 1 343 021♥ 729
• hf-doc-build/doc-build-dev

  Открытый датасет для задач «—». 1 286 236 загрузок и 40 лайков на Hugging Face.

  —↓ 1 286 236♥ 40
• xlangai/ubuntu_osworld_file_cache

  Открытый датасет для задач «—». 1 278 576 загрузок и 35 лайков на Hugging Face.

  —↓ 1 278 576♥ 35
• m-a-p/FineFineWeb

  Открытый датасет для задач «Классификация текста». Языки: en. 1 266 080 загрузок и 154 лайков на Hugging Face.

  Классификация текста↓ 1 266 080♥ 154
• genrobot2025/10Kh-RealOmin-OpenData

  Открытый датасет для задач «robotics». Языки: en, zh. 1 228 248 загрузок и 223 лайков на Hugging Face.

  robotics↓ 1 228 248♥ 223
• openai/gsm8k

  Открытый датасет для задач «Генерация текста». Языки: en. 954 823 загрузок и 1427 лайков на Hugging Face.

  Генерация текста↓ 954 823♥ 1427
• daniilakk/nbchr_pdfs

  Открытый датасет для задач «—». 952 085 загрузок и 20 лайков на Hugging Face.

  —↓ 952 085♥ 20
• HennyPr/ps2_hf2

  Открытый датасет для задач «—». 766 444 загрузок и 22 лайков на Hugging Face.

  —↓ 766 444♥ 22
• nvidia/PhysicalAI-Robotics-GR00T-X-Embodiment-Sim

  Открытый датасет для задач «robotics». 745 992 загрузок и 240 лайков на Hugging Face.

  robotics↓ 745 992♥ 240
• osv5m/osv5m

  Открытый датасет для задач «—». 736 694 загрузок и 57 лайков на Hugging Face.

  —↓ 736 694♥ 57
• mvp-lab/LLaVA-OneVision-1.5-Mid-Training-85M

  Открытый датасет для задач «—». 689 743 загрузок и 74 лайков на Hugging Face.

  —↓ 689 743♥ 74
• XDOF/ABC-130k

  Открытый датасет для задач «robotics». Языки: en. 648 852 загрузок и 78 лайков на Hugging Face.

  robotics↓ 648 852♥ 78
• ad1t7a/10Kh-RealOmin-OpenData

  Открытый датасет для задач «robotics». Языки: en, zh. 589 583 загрузок и 3 лайков на Hugging Face.

  robotics↓ 589 583♥ 3
• Maximilians/ps2_hf1

  Открытый датасет для задач «—». 577 739 загрузок и 15 лайков на Hugging Face.

  —↓ 577 739♥ 15
• Kthera/pesoz

  Открытый датасет для задач «—». 573 264 загрузок и 22 лайков на Hugging Face.

  —↓ 573 264♥ 22
• Chelsea707/arxiv-cs-2020-2025-pdfs

  Открытый датасет для задач «—». 552 740 загрузок и 12 лайков на Hugging Face.

  —↓ 552 740♥ 12
• EssentialAI/essential-web-v1.0

  Открытый датасет для задач «—». 545 919 загрузок и 231 лайков на Hugging Face.

  —↓ 545 919♥ 231
• jat-project/jat-dataset

  Открытый датасет для задач «reinforcement-learning». 523 741 загрузок и 67 лайков на Hugging Face.

  reinforcement-learning↓ 523 741♥ 67
• angie-chen55/python-github-code

  Открытый датасет для задач «—». 521 701 загрузок и 39 лайков на Hugging Face.

  —↓ 521 701♥ 39
• Emmyc2/psp

  Открытый датасет для задач «—». 514 172 загрузок и 21 лайков на Hugging Face.

  —↓ 514 172♥ 21
• princeton-nlp/SWE-bench_Verified

  Открытый датасет для задач «—». 509 028 загрузок и 362 лайков на Hugging Face.

  —↓ 509 028♥ 362
• IPEC-COMMUNITY/language_table_lerobot

  Открытый датасет для задач «robotics». 496 390 загрузок и 3 лайков на Hugging Face.

  robotics↓ 496 390♥ 3
• mteb/results

  Открытый датасет для задач «—». 475 841 загрузок и 6 лайков на Hugging Face.

  —↓ 475 841♥ 6
• IPEC-COMMUNITY/droid_lerobot

  Открытый датасет для задач «robotics». 465 381 загрузок и 35 лайков на Hugging Face.

  robotics↓ 465 381♥ 35
• applied-ai-018/pretraining_v1-omega_books

  Открытый датасет для задач «—». 456 730 загрузок и 10 лайков на Hugging Face.

  —↓ 456 730♥ 10
• jacobbieker/eumetsat-rss

  Открытый датасет для задач «—». 454 630 загрузок и 5 лайков на Hugging Face.

  —↓ 454 630♥ 5
• HuggingFaceFW/fineweb

  Открытый датасет для задач «Генерация текста». Языки: en. 446 096 загрузок и 2917 лайков на Hugging Face.

  Генерация текста↓ 446 096♥ 2917
• cais/mmlu

  Открытый датасет для задач «Вопросы-ответы». Языки: en. 432 826 загрузок и 782 лайков на Hugging Face.

  Вопросы-ответы↓ 432 826♥ 782
• allenai/ai2_arc

  Открытый датасет для задач «Вопросы-ответы». Языки: en. 417 584 загрузок и 363 лайков на Hugging Face.

  Вопросы-ответы↓ 417 584♥ 363
• Dagonulca/figofigofigofigo

  Открытый датасет для задач «—». 416 093 загрузок и 8 лайков на Hugging Face.

  —↓ 416 093♥ 8
• Maynor996/upload2

  Открытый датасет для задач «—». 412 579 загрузок и 27 лайков на Hugging Face.

  —↓ 412 579♥ 27
• cadene/droid

  Открытый датасет для задач «robotics». Языки: en. 410 553 загрузок и 18 лайков на Hugging Face.

  robotics↓ 410 553♥ 18
• nyu-mll/glue

  Открытый датасет для задач «Классификация текста». Языки: en. 401 892 загрузок и 512 лайков на Hugging Face.

  Классификация текста↓ 401 892♥ 512
• mlfoundations/dclm-baseline-1.0

  Открытый датасет для задач «—». 396 631 загрузок и 293 лайков на Hugging Face.

  —↓ 396 631♥ 293
• HuggingFaceFW/fineweb-edu

  Открытый датасет для задач «Генерация текста». Языки: en. 382 429 загрузок и 1177 лайков на Hugging Face.

  Генерация текста↓ 382 429♥ 1177
• WINGNUS/ACL-OCL

  Открытый датасет для задач «Разметка токенов». Языки: en. 371 829 загрузок и 42 лайков на Hugging Face.

  Разметка токенов↓ 371 829♥ 42
• Maynor996/img_upload

  Открытый датасет для задач «—». 364 088 загрузок и 22 лайков на Hugging Face.

  —↓ 364 088♥ 22
• Drakesuper/rodridre

  Открытый датасет для задач «—». 349 684 загрузок и 3 лайков на Hugging Face.

  —↓ 349 684♥ 3
• world-igr-plum/regions

  Открытый датасет для задач «—». 347 245 загрузок и 27 лайков на Hugging Face.

  —↓ 347 245♥ 27
• permutans/arxiv-papers-by-subject

  Открытый датасет для задач «Генерация текста». Языки: en. 344 155 загрузок и 24 лайков на Hugging Face.

  Генерация текста↓ 344 155♥ 24
• k9cli/video-vec2wav2-tokenizer

  Открытый датасет для задач «—». 337 201 загрузок и 1 лайков на Hugging Face.

  —↓ 337 201♥ 1
• artur-muratov/multilingual-speech-commands-15lang

  Открытый датасет для задач «—». Языки: en, ru, kk, tt. 335 523 загрузок и 2 лайков на Hugging Face.

  —↓ 335 523♥ 2
• cadene/droid_1.0.1

  Открытый датасет для задач «robotics». 331 355 загрузок и 44 лайков на Hugging Face.

  robotics↓ 331 355♥ 44
• hasankursun/github-code-2025-language-split

  Открытый датасет для задач «—». 329 885 загрузок и 10 лайков на Hugging Face.

  —↓ 329 885♥ 10
• PsiBotAI/SynData

  Открытый датасет для задач «—». Языки: en. 325 967 загрузок и 183 лайков на Hugging Face.

  —↓ 325 967♥ 183
• jat-project/jat-dataset-tokenized

  Открытый датасет для задач «—». 319 832 загрузок и 15 лайков на Hugging Face.

  —↓ 319 832♥ 15
• HuggingFaceFW/finephrase

  Открытый датасет для задач «Генерация текста». Языки: en. 309 842 загрузок и 135 лайков на Hugging Face.

  Генерация текста↓ 309 842♥ 135
• Symato/cc

  Открытый датасет для задач «—». Языки: vi. 309 553 загрузок и 3 лайков на Hugging Face.

  —↓ 309 553♥ 3
• siril-spcc/gaia

  Открытый датасет для задач «—». 308 365 загрузок и 12 лайков на Hugging Face.

  —↓ 308 365♥ 12
• hf-internal-testing/transformers_circleci_workflow_runs

  Открытый датасет для задач «—». 304 318 загрузок и 0 лайков на Hugging Face.

  —↓ 304 318♥ 0
• IPEC-COMMUNITY/bridge_orig_lerobot

  Открытый датасет для задач «robotics». 302 941 загрузок и 23 лайков на Hugging Face.

  robotics↓ 302 941♥ 23
• jeyasuryaur/cricket-data-by-cricsheet

  Открытый датасет для задач «—». 298 876 загрузок и 0 лайков на Hugging Face.

  —↓ 298 876♥ 0
• mlfoundations/MINT-1T-HTML

  Открытый датасет для задач «Изображение-в-текст». Языки: en. 276 837 загрузок и 97 лайков на Hugging Face.

  Изображение-в-текст↓ 276 837♥ 97
• CohereLabs/xP3x

  Открытый датасет для задач «other». Языки: af, ar, az, be. 264 015 загрузок и 95 лайков на Hugging Face.

  other↓ 264 015♥ 95
• allenai/objaverse

  Открытый датасет для задач «—». Языки: en. 262 449 загрузок и 454 лайков на Hugging Face.

  —↓ 262 449♥ 454
• abisee/cnn_dailymail

  Открытый датасет для задач «Суммаризация». Языки: en. 260 532 загрузок и 346 лайков на Hugging Face.

  Суммаризация↓ 260 532♥ 346
• GEAR-Dreams/DreamZero-DROID-Data

  Открытый датасет для задач «—». 254 553 загрузок и 6 лайков на Hugging Face.

  —↓ 254 553♥ 6
• ieasybooks-org/prophet-mosque-library

  Открытый датасет для задач «Изображение-в-текст». Языки: ar. 253 827 загрузок и 4 лайков на Hugging Face.

  Изображение-в-текст↓ 253 827♥ 4
• huggingface-course/documentation-images

  Открытый датасет для задач «—». 247 778 загрузок и 3 лайков на Hugging Face.

  —↓ 247 778♥ 3
• Rowan/hellaswag

  Открытый датасет для задач «—». Языки: en. 246 483 загрузок и 182 лайков на Hugging Face.

  —↓ 246 483♥ 182
• SWE-bench/SWE-bench_Multilingual

  Открытый датасет для задач «—». Языки: en. 240 322 загрузок и 19 лайков на Hugging Face.

  —↓ 240 322♥ 19