QQ绑定
QQ绑定
首页
社区
心情
心情广播
游戏
面板
靓号
功能
登录
立即注册
摸鱼
摸鱼
帮助
元素远征
牛马集市
会员星图
字帖生成
登录特效
旅行地图
任务成就
积分商城
超级淘客
资源广场
友情链接
众裁中心
寻宝彩蛋
游戏勋章
牛马网盘
牛马图床
时间胶囊
牛马万年历
恶作剧商店
技术
做了一份 AI 顶会论文数据集&一份具身智能数据集,有需要的自取~
微信扫一扫 分享朋友圈
已有
37222
人穿越成功
教程:手机怎么扫描二维码
37
1
困💤
ID
260
6 天前
发表在
兴趣交流
|
查看全部
阅读模式
众裁
之前我发过 2023 年和 2024 年的 AI 论文数据集,还挺多人收藏的:
https://www.v2ex.com/t/1237157#reply3
现在我又来更新了。
这次我整理了 2025 年 AI 顶会论文数据集,总共 11945 篇,主要内容如下:
在等更新的各位可以自取啦👉:🤗
huggingface.co/datasets/JensCS/top-ml-conference-papers-2025
还有 2023—2025 年的具身智能论文数据集,一并奉上。想做跨年份分析或关注机器人、具身智能方向的朋友,也可以一起查看👉:🤗
huggingface.co/datasets/JensCS/embodie…nference-papers-2023-2025
我是做科研的,平时也会自己搞点小项目,所以数据集对我们研究 AI 技术发展是很有用的,毕竟技术的前沿,还得看 7 公主们的捣鼓。但是靠我们自己人力手翻肯定是不现实的,我一般都是借助 AI 的力量。
你可以把数据直接交给 Agent ,让它帮你快速筛选论文、梳理一个方向的技术路线,也可以辅助技术选型和写报告综述。平时干活、学习、做技术分享,都能用上。
不过,这些数据集一般都很大,如果硬喂的话,会比较耗 token 。所以,我一般都是结合我自己手搓的一个小
工具
Knowhere 来用。简而言之,它是一个 AI-native 的解析器,会把生产环境里的脏文档转成 Agent 直接可用的材料。这个中间件不止是为了识别文件,它会把后续的 chunking 、embedding 一块做了,所以在 Agent 里面使用的时候,能在节省一半 token 的同时获得更好的解析效果。
这些数据集也是用来给 Knowhere 做能力测试的产物。因为论文看起来规整,实际上很难处理。它的双栏排版很容易串行,公式、图表和图注经常在不同位置,还有附录跟实验距离十万八千里。Knowhere 拿到这些论文后,会先解析每篇论文,把正文拆成带章节路径的内容片段;接着重建完整的章节树,让每段内容都知道自己属于方法、实验还是附录;有了这些上下文,再交给模型判断论文类型,提取研究问题、核心创新、方法、基线和实验结果。最后,结构化字段、原文片段和章节树会一起装进数据集。
这样处理的好处是,数据不会变成一堆脱离原文的结论。比如看到“某方法比基线提升了 5%”,还可以沿着章节路径回到原文,确认使用的是什么数据集、实验条件是否一致,以及这个结果来自主实验还是消融实验。
最终得到的 2025 年顶会论文数据集,共收录 11945 篇论文,每篇包含 28 个结构化字段,并保留原文片段和章节层级。
对 Research Agent 来说,这些内容不再只是 11945 份孤立的 PDF ,而是一批可以检索、比较并回到原文核验的研究资料了。
以上就是全部的数据集,使用的工具和制作方法。你也可以根据你所从事的方向,去制作相应领域的数据集。
最后给 Knowhere 这个开源小项目打个广,它最近上线了渐进式解析、视觉解析和 Agent 原生检索功能,也支持 GIF 、WebP 、BMP 、TIFF 、HEIC 等图片格式了,欢迎试用:
https://knowhereto.ai/github?utm_source=v2ex
感谢各位,有问必答。
⚠️内容来自互联网,如有侵权请点击
反馈
!
侵权投诉
违规内容举报
回复
转播
恶作剧
举报
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
本帖共 1 条回复,登录后即可查看
登录查看
立即注册
回复
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖并转播
回帖后跳转到最后一页
困💤
Lv.2
牛马精英
111
主题
644
回帖
983
积分
+ 关注
发消息
hot.热文
换一批
女装退货率飙至80%,商家为何挂密码锁发货?
牛马论坛[NIUMABBS]-行为规范准则
小时候父母不让玩手机的秘密,网友亲测:经历过才懂!
[Day 21] - 10.26 - Tibo 又要重置了
day 22 - 今天 tibo 又重置
测试
AI 普及之后,应该把所有 Electron 重写为 native
求一个 Claude Team 车位,想直接进 Team
1000 美金预算还剩 998,我让 AI 开启了「付费软件斩杀计划」(Day 7 / 7)
“软饭硬吃?”石家庄一名25岁小伙在酒吧上班,被一位45岁的有钱大姐相中。
Ubuntu 等 Linux 发行版一发布,就锁定 PHP 版本号的原因是什么?
这种小程序葵花码直跳链接是怎么做到的?
1024 节日快乐
感谢老板支持,成功拿下【全家福-至尊套餐】
GPT-6.2 Astra & Sol 发布了
x 互粉贴! x 中文圈抱团
如何减少人为干预,让 agent 独立工作并提高交付质量
甲骨文免费 amd 小机出问题了吗
[Day 20] - 10.25 - Tibo 又要重置了
召唤神龙小游戏源码【H5版】
codex 的 vscode 插件又寄了啊
claude 账号突然被 on hold,有 v 友遇到过吗
原来达里奥切除过睾丸,很少有人知道
彩虹易支付 syskey 泄露高危后门, 可被利用发起订单退款等操作
上一主题
下一主题
浏览过的版块
奇闻异事
日常摸鱼
生活记录
硬核折腾
热点聚焦
软件工具
社区公告
有头有脸
上传一个头像,在任务中心获得。
QQ用户
绑定QQ账号,在任务中心获得。
晨曦初露
干啥都抢在前面,论坛第一批用户
100%
×
模板默认
东方雅韵
竹青·幽篁
霁蓝·澄碧
朱砂·绛霞
紫宸·夜宴
黛青·烟岚
月白·素练
莫兰迪雾色
雾灰·静默
鼠尾草·低吟
陶土·温存
石板·沉静
薄红·微醺
燕麦·素净
自然原木
橡木·暖阳
苔藓·晨露
陶土·粗陶
砂岩·旷野
森林·深境
桦木·素白
社区首页
我的帖子
我的消息
每日签到
游戏中心
查看全部
收起
全部应用
5
社区首页
默认
我的帖子
默认
我的消息
默认
每日签到
默认
游戏中心
默认
牛马论坛(niumabbs.com),一个专注于分享日常新鲜事、职场工作点滴、摸鱼乐趣与各类生活感悟的交流平台。
快捷访问
我的帖子
我的收藏
我的好友
我的关注
附加功能
任务大厅
道具商店
勋章中心
随便看看
关于我们
举报
小黑屋
手机版
站点统计
关注我们
加入Q群
微信客服
QQ客服
Copyright © 2026
NIUMABBS
版权所有
All Rights Reserved.
|
网站地图
劰载中...
关灯
在本版发帖
扫一扫添加微信客服
QQ客服
返回顶部
快速回复
返回顶部
返回列表