每周编辑精选｜RJUA-QA 医疗数据集上线、 3D 分子生成模型 ResGen 论文解析

HyperAI超神经的新栏目来啦～每周一超神经编辑部会精选上一周更新在 hyper.ai 官网的内容（数据集、AI4S 论文案例、百科词条）发布在这里。欢迎直接访问 hyper.ai 查看全部内容哦！

1 月 15 日-1 月 21 日，hyper.ai 官方网站更新速览：

优质公共数据集：10 个
AI4S 论文案例：2 篇
热门百科词条：10 条

访问官网：https://hyper.ai/

公开数据集精选

1. CrossDock2020：ResGen 研究处理的数据集

该数据集的初始数据包含超过 2,200 万个蛋白质-小分子配对 (protein–ligand pairs)。该数据集可用于蛋白质-小分子相互作用研究，特别是用于评估分子对蛋白质口袋的结合能力。

直接使用：

https://hyper.ai/datasets/29021

2. RJUA-QA 首个中文医疗专科问答推理数据集

RJUA-QA 是一个创新的医学泌尿外科专业问答推理数据集。该数据集由蚂蚁集团医学 LLM 团队与上海交通大学医学院附属仁济医院泌尿外科专家团队合作创建。该数据集的开发旨在将真实的临床患者数据转换为虚拟患者临床对话，以 Q-context-A（问题-上下文-答案）格式呈现。

直接使用：

https://hyper.ai/datasets/28970

3. MetaMathQA 数学推理数据集

为了提升模型的正向和逆向推理能力，剑桥、港科大、华为的研究者基于两个常用的数学数据集（GSM8K 和 MATH）提出了 MetaMathQA 数据集：一个覆盖面广、质量高的数学推理数据集。MetaMathQA 由 395K 个大语言模型生成的正向逆向数学问答对组成。

直接使用：

https://hyper.ai/datasets/28954

4. M³IT 多模式多语言指令调优数据集

该数据集由 40 个数据集组成，其中包括 240 万个实例和 400 条手动编写的任务指令，并重新格式化为视觉到文本结构。数据集编译了经典视觉语言任务的各种任务，包括字幕、视觉问答(VQA)、视觉条件生成、推理和分类。

直接使用：

https://hyper.ai/datasets/29048

5. ChatHaruhi-RolePlaying 角色扮演对话数据集

ChatHaruhi 是一个包含 32 个中文/英文电视/动漫角色和超过 54k 模拟对话的数据集。大型语言模型构建的角色扮演聊天机器人引起广泛关注，为了模仿特定虚构角色，研究团队提出了一种算法，通过改进的提示和从脚本中提取的字符的记忆来控制语言模型。通过收集电影、小说、剧本的语料，并进行结构化的抽取，研究团队收集了超过 23000 条以上的对话信息。

直接使用：

https://hyper.ai/datasets/28926

更多本周更新数据集，请访问：

https://hyper.ai/datasets