这篇论文介绍了如何通过使用新的 EdNet 数据集，对知识追踪模型进行建模和解释，并展示了解释技术的有效性，并提出更多问题和任务值得进一步研究和完成。

Oct, 2021

本研究利用 EdNet 数据集比较传统逻辑回归模型和深度神经网络模型在预测学生表现方面的效果，结果发现经过特征工程的传统模型表现更优，并运用 LIME 技术对模型的影响进行了解释研究。

Jan, 2021

研究了图形表示学习的新兴领域，指出了增加新数据集的必要性，并介绍了一个全新的名为 MalNet 的数据库，它是公共图形数据库中最大的，提供了对马尔维尔的恶意软件功能调用图的的大规模本体，这个数据库可以用于机器学习和图形神经网络技术的评估，并提供了关于解释能力和类别难度的新的机会。

Nov, 2020

本文介绍了 VizNet，它是一个包含了超过 3100 万个数据集的大规模语料库，从开放数据库和在线可视化画廊中编译而来。它提供了一个必要的公共基线，用于比较可视化的设计技术，并为自动化可视化分析开发基准模型和算法。我们展示了如何从实验结果中学习知觉有效性度量，并展示了它在测试数据集上的预测能力。

May, 2019

本文介绍了一个名为 CodeNet 的大规模数据集，旨在教授 AI 编码技能以提高软件开发效率并现代化旧有应用程序，该数据集包含超过 14 百万个代码样例和约 55 种不同编程语言中的 5 亿行代码。同时，CodeNet 还为各种关键编码任务提供了丰富的高质量注释，包括各类代码相似性和分类、各种编程语言之间的代码翻译以及代码性能（运行时间和内存）改进技术等，为 AI 和软件工程交叉领域提供了前所未有的研究机会。

May, 2021

本研究致力于构建社交智能代理，开发了一个大规模自然语言文本数据集 ValueNet 以及基于 Transformer 的价值回归模型。通过让生成式代理从价值模型中学习奖励，研究者在个性化对话生成数据集和共情对话数据集中获得了最优表现。此外，该数据集为人类价值建模提供了基础，在情感智能的对话系统中具有广泛的应用价值。

Dec, 2021

描述了在硬件域中策划、维护和扩大两个大规模、高质量数据集的挑战，以及有关数据集质量、安全性和硬件领域定制数据增强工具的使用的相关问题。

Oct, 2023

介绍了 NetHack Learning Dataset（NLD）—— 一个高度可扩展的来自于极具挑战的游戏 NetHack，包含 10 亿个状态转换的大型数据集，研究展示了需要深入探讨在线离线强化学习以及学习演示等算法，才能更好地应用于挑战性的顺序决策制定任务。

Nov, 2022

Intellecta 数据集是一个创新的合成数据集，旨在增强当代语言模型的认知处理能力。它由 1153 亿个标记组成，将 80.10 亿个合成数据标记与 35.2 亿个丰富的教材数据标记相结合，旨在促进高级推理和全面的教育叙事生成。借助 Mixtral-8x7B-Instruct-v0.1 模型，该数据集促进了复杂思维过程和详细的教材式解释的生成，从而使语言模型能够进行批判思考和深入的教育对话。作为一种混合数据集，它不仅广泛且多样，还在道德标准和知识严谨性方面得到了完善，体现了合成数据推动人工智能边界的潜力。

Apr, 2024

本文介绍推荐系统中教育推荐的研究现状和挑战，并放出了一个名为 PEEK 的数据集，为教育和信息推荐系统的个性化算法建设提供基础。

Sep, 2021