DatasetFactory
To publish datasets made by myself
retarded_bar
弱智吧是百度贴吧中的一个非常受欢迎的论坛，以创作短小精悍的冷笑话而闻名。这些笑话通常采用双关语、不寻常的断句、不合理的逻辑等创作手法。即使是目前最先进的语言模型，也难以完全理解弱智吧的笑话。
我从互联网上收集了一些弱智吧的笑话，共100条，其中45条是陈述句，55条是问句。我结合人工和人工智能技术对这些笑话进行了一些解析，并制作了这个小型数据集。
SoftwareTutorialVideos
本数据集包括从bilibili收集的127个视频链接，存储在SoftwareTutorialVideos.jsonl中。大部分视频链接包含多个视频。本数据集总共有数千个视频，总时长超过一千小时。若按照最高清晰度下载，大小超过300G.
视频的主要内容是常用的软件教程，涵盖Word，Excel， Power Point，Visual Studio Code，python，C++，JavaScript，Java，Linux，MacOS，Unreal Engine，AutoCAD，Rhino，PhotoShop，After Effects， Vocaloid等。
本数据集既可用于个人学习，也可用于和桌面系统UI有关的计算机视觉任务，例如视频动作识别，视频理解，版面分析，图像分类，图像生成，机器人流程自动化（RPA）等。
ChatGPT ground truth
本数据集由ChatGPT自动生成，包含自然科学和社会科学中的事实性问题(factual questions)和相应的参考答案，涵盖数学、物理、化学、生物学、医学、工程、计算机科学、社会科学八大领域，每个领域选择了20个细分子领域，每个子领域有500个问答对，共80000个问答对。
本数据集可以帮助较小规模的模型进行训练，以缓解幻觉问题。
contact the author
QQ：583753622