公共资源速递
5 个数据集：
-
MCTS 中文文本简化数据集
-
Big-Math 强化学习数学数据集
-
HAR 15 种人体动作识别数据集
-
DexGraspVLA 机器人抓握数据集
-
Fortune Telling 中文风水占卜数据集
1 个模型：
- QwQ-32B
3 个教程：
-
一键部署 YOLOv12
-
一键部署 Janus-Pro-7B
-
Wan 2.1 文/图生视频双杀 Demo
访问官网立即使用：openbayes.com
公共数据集
该数据集包含 723 条基于 Penn Chinese Treebank (CTB) 的标准、选自新闻语料的复杂结构句子，并且每一句都配有多个人工简化的版本，从而成为中文文本简化任务上规模最大、参考最多的评估数据集。数据集不仅适用于分级阅读、机器翻译等研究领域，还能够帮助语言学习者更好地理解和处理复杂文本。
直接使用：
Big-Math 是一个大规模、高质量的数学数据集，专为强化学习 (Reinforcement Learning, RL) 在语言模型中的应用而设计，包含超过 250k 个高质量数学问题，每个问题都配有可验证的答案。
直接使用：
数据示例
该数据集全称为 Human Action Recognition，包含 15 种不同类别的人类活动，约 12k+ 张标记图像（包括验证图像），每个图像只有一个人类活动类别，并保存在标记类别的单独文件夹中。
直接使用：
数据示例
这是一个包含 51 个人类演示数据样本的小型数据集，用于了解数据和格式，以及运行代码体验训练过程。此框架采用预训练的视觉-语言模型作为高层任务规划器，并学习基于扩散的策略作为低层行动控制器，其创新之处在于利用基础模型实现强大的泛化能力，并使用基于扩散的模仿学习获取灵巧行动。
直接使用：
数据集结构
该数据集含 207 个关于风水、八字等问题，每个问题有唯一对应的答案。
直接使用：
公共模型
发布机构： 阿里巴巴
该模型基于大规模强化学习 (RL) 训练，在数学推理、编程等任务上表现出色。模型在多个基准测试中表现卓越，尤其在数学推理、代码理解等任务中展现了惊人的效率。此外，QwQ-32B 集成了与智能体 (Agent) 相关的能力，使其能够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。
直接使用：
公共教程
长期以来，增强 YOLO 框架的网络架构一直是计算机视觉领域的核心课题。尽管注意力机制在建模能力上表现出色，但基于 CNN 的改进仍然是主流，因为基于注意力的模型在速度上难以匹敌。然而，YOLOv12 的推出改变了这一局面，它不仅在速度上与基于 CNN 的框架相媲美，还充分利用了注意力机制的性能优势，成为实时物体检测的新标杆。
该项目相关模型和依赖已经部署完毕，启动容器后点击 API 地址即可进入 Web 界面。
在线运行：
数据集示例
Janus-Pro 是一种新颖的自回归框架，它通过将视觉编码解耦到单独的路径来解决以前方法的局限性，同时仍然使用单一的、统一的转换器体系结构进行处理。这种解耦不仅缓解了视觉编码器在理解和生成方面的冲突，而且增强了框架的灵活性。
本教程为模型推理教程，展示模型推理结果。
在线运行：
模型界面示例
该模型分别涵盖文本生成视频 (T2V) 和图像生成视频 (I2V) 任务，为开发者提供了一个全面且开放的视频基础模型套件。Wan 2.1 在性能上超越了现有的开源模型，其轻量级版本仅需 8GB 显存即可运行，大大降低了使用门槛。
该项目相关模型和依赖已经部署完毕，运行成功后点击相应的 API 地址即可体验模型。
在线运行：
生成视频示例
以上就是小贝上周在OpenBayes的全部更新内容啦~
