[经管数据集] ChemData 化学任务数据集 [推广有奖]

0关注
1粉丝

已卖：418份资源

学科带头人

还不是VIP/贵宾

威望: 0 级
论坛币: 1313 个
通用积分: 456.6953
学术水平: 1 点
热心指数: 1 点
信用等级: 1 点
经验: 10260 点
帖子: 869
精华: 0
在线时间: 206 小时
注册时间: 2022-11-18
最后登录: 2026-1-9

楼主

ewfwedwd 发表于 2025-10-17 17:01:07 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

ChemData 化学任务数据集

数据集简介
该数据集是由上海人工智能实验室于 2024 年与其发布的首个科学大模型浦科化学大模型 (ChemLLM) 一同开源的，相关论文成果为「ChemLLM: A Chemical Large Language Model」。

该数据集主要包括了 ChemData700K，研究团队还开源了 ChemBench-4K 、 ChemPref-10K 的中英文版本和 C-MHChem 数据集。

ChemData700K 数据集
ChemData700K 是一个包含了 9 项化学核心任务，730K 个高质量问答的大语言模型化学能力指令微调数据集, 采样自七百万条数据的 1/10 。该数据集涵盖广泛的化学领域知识，并分为 3 个主要任务类别（分子、反应和领域）。

ChemBench4K 基准数据集
ChemBench 是一个创新的基准，由关于化学分子和反应的 9 个任务组成。这 9 项任务与 ChemData 中的任务相同。该基准为客观衡量法学硕士化学水平奠定基础。 ChemBench 包含 4,100 个多项选择题，其中一个为正确答案。

ChemPref-10K 数据集
该数据集可用于优化语言模型以符合人类偏好的方法，包含英文和中文两个版本。

C-MHChem 数据集
C-MHChem 是一个包含了 600 个高质量的全人工编写的单选题测评基准，收集自过去 25 年间中国各地初高中中高考测试题目。