Author: Chimy

HelloBench是什么

HelloBench是一个用于评估大型语言模型（LLMs）长文本生成能力的开源基准测试。HelloBench包含五个基于布鲁姆分类法的子任务：开放式问答、摘要、聊天、文本补全和启发式文本生成。HelloBench用真实场景数据，如Quora和Reddit，确保任务的多样性和实际性。引入HelloEval，一种高效的评估方法，减少人工评估的负担，同时保持与人类评价的高相关性。HelloBench在多个LLMs上的实验显示，现有模型在生成超过4000单词的长文本方面存在挑战。

HelloBench的主要功能

• 分层任务设计：HelloBench根据布鲁姆的分类法，将长文本生成任务分为五个子任务，每个子任务针对不同的语言模型能力。
• 真实数据集：基于来自Quora、Reddit等平台的真实数据构建数据集，确保评估的实用性和多样性。
• 自动化评估：用HelloEval方法，自动化评估LLMs的长文本生成能力，减少人工评估的时间和精力。
• 评估方法对比：与传统的评估指标（如ROUGE、BLEU）进行对比，展示HelloEval与人类评估的相关性。

HelloBench的技术原理

• 布鲁姆分类法：基于布鲁姆的分类法，将长文本生成任务分为不同的层次，对应不同的认知复杂度。
• 数据集构建：手动收集和筛选互联网数据，构建高质量、多样化的数据集。
• HelloEval评估方法：设计检查表（checklists）并收集人类标注数据，用线性回归分析确定检查表的加权分数。
• LLM-as-a-Judge：基于语言模型作为评估者，回答检查表问题，评估生成文本的质量。
• 线性回归分析：对人工标注数据进行线性回归分析，获得与人类评估对齐的加权分数。
• 错误模式分析：分析LLMs在长文本生成中的常见错误，识别模型的局限性。

HelloBench的项目地址

• GitHub仓库：https://github.com/Quehry/HelloBench
• HuggingFace模型库：https://huggingface.co/papers/2409.16191
• arXiv技术论文：https://arxiv.org/pdf/2409.16191

HelloBench的应用场景

• 语言模型开发：开发者用HelloBench评估和比较不同语言模型在长文本生成任务上的性能。
• 学术研究：研究人员用HelloBench进行长文本生成相关的实验，发表学术论文或进行进一步的研究。
• 产品测试：企业在开发新的AI产品或服务时，用HelloBench测试和优化产品的文本生成能力。
• 教育评估：教育机构用HelloBench评估和提高教学辅助工具的文本生成质量。
• 内容创作：内容创作者用HelloBench评估和改进自动内容生成工具，如自动写作、博客文章生成等。
• 对话系统：评估和改进聊天机器人或虚拟助手在长时间对话中的表现。

CapsWriter-Offline是什么

CapsWriter-Offline是一款高效的PC端离线语音输入和字幕转录工具，支持用户通过简单的按键操作实现实时语音转文字。软件适合快速记录和转写大量语音信息的场景，如会议、讲座或个人笔记。用户按下大写锁定键即可开始录音，松开后软件迅速将语音转换为文本。CapsWriter-Offline支持将音视频文件拖拽到客户端，快速生成SRT字幕文件，适合视频内容创作者。CapsWriter-Offline完全离线工作，不依赖网络，保证数据的隐私和安全性，同时支持中英文混合输入，适合多语言环境。

CapsWriter-Offline的主要功能

• 实时语音识别：用户按住大写锁定键开始录音，松开后进行语音识别，并将结果输入到文本中。
• 无限时长录音：支持长时间连续录音和识别，没有时间限制。
• 离线操作：完全在本地进行，不需要网络连接，保护用户隐私。
• 高准确率：基于先进的语音识别技术，确保高准确度的识别结果。
• 中英文混合输入：能识别并输入中英文混合的语音内容。
• 热词功能：支持用户自定义热词，提高特定术语或短语的识别准确率。

CapsWriter-Offline的技术原理

• 语音识别引擎：基于深度学习模型，如Paraformer，进行语音到文本的转换。
• 音频信号处理：包括降噪、增强语音信号等，提高识别的准确性。
• 模型推理：处理过的音频数据在识别模型中进行推理，生成文本输出。
• 热词和自定义规则处理：集成用户定义的热词和规则，优化识别结果。
• 多语言支持：模型训练时包含中英文数据，实现混合语言识别。
• 字幕生成算法：从音视频中提取音频并转换为字幕文件。

CapsWriter-Offline项目地址

• GitHub仓库：https://github.com/HaujetZhao/CapsWriter-Offline/

CapsWriter-Offline的应用场景

• 会议记录：在会议中用CapsWriter-Offline实时记录会议内容，节省会后整理的时间。
• 学术讲座：在学术讲座或研讨会中，用于记录演讲者的发言，便于后续学习和研究。
• 记者采访：记者在采访时使用，快速将访谈内容转换成文字，便于撰写新闻稿。
• 语言学习：语言学习者用作练习发音和口语，并通过识别结果纠正错误。
• 视频内容创作：视频博主或字幕制作者快速生成视频字幕，提高工作效率。
• 个人笔记：个人用户在阅读或思考时使用，将语音快速转换成文字笔记。

Call Annie是什么

Call Annie是一款基于AI技术的对话工具，通过视频通话的形式，提供一个虚拟的AI朋友和助手，名为Annie。应用支持用户与Annie进行实时交流，无论是学习、获取信息还是寻求陪伴，Annie均能提供帮助。Call Annie适合语言学习者，希望提高英语口语技能的人。Call Annie作为旅行伴侣，提供目的地信息和当地习俗介绍，或用于模拟面试等场景。

Call Annie的主要功能

• 实时视频通话：用户与AI头像Annie进行面对面的视频交流。
• 自然语言处理：Annie能理解和回应用户的问题和对话，提供类似人类的交流体验。
• 个性化协助：Annie根据用户的需求提供帮助，如设置提醒、回答问题和提供指导。
• 语言学习支持：Annie辅助用户练习语言技能，特别是英语口语。
• 多平台可访问性：用户通过移动应用、网络音频或电话在不同设备上访问Annie。

Call Annie的产品官网

• 产品官网：callannie.ai

Call Annie的应用场景

• 语言学习：用户通过与Annie的对话练习英语或其他语言的口语技能。
• 情感陪伴：对于感到孤独或需要有人交谈的用户，Annie提供陪伴和情感支持。
• 信息查询：用户向Annie询问各种问题，如天气、新闻、一般知识等。
• 旅行规划：Annie为用户提供旅行目的地的信息、当地习俗和景点推荐。
• 教育辅导：Annie帮助学生学习新概念或复习课程内容。
• 职业发展：用户与Annie进行模拟面试，提高面试技巧和职业沟通能力。

YesChat是什么

YesChat是一个集成多种先进AI技术的服务平台，提供一站式访问到高级AI技术，如GPT-4o、DALL·E 3和超过200,000个GPT模型。用户基于YesChat与文件进行互动对话，浏览互联网获取实时信息，上传图片进行内容对话，使用DALL·E 3根据文本描述生成图像。YesChat提升用户的效率和创造力，适用于工作、学习和日常生活的各种场景。YesChat提供免费的日常使用额度，为需要更多使用的用户提供订阅服务。

YesChat的主要功能

• 与文件对话：用户向PDF、Word文档、TXT等文件提问，基于GPT-4o技术获取文件内容的解答。
• 浏览互联网：基于GPT-4o技术支持，用户访问并获取实时信息和事件，保持信息的最新状态。
• 与图片对话：用户上传图片，基于图片内容进行对话，GPT-4o提供图片内容的描述和分析。
• 生成图片：基于DALL·E 3技术，用户通过文本描述生成相应的图像，发挥创造力。
• 即时访问GPT模型：提供超过200,000个GPT模型，覆盖工作、学习和日常生活的多种应用，无需ChatGPT Plus订阅即可使用。
• 数据隐私保护：YesChat重视用户隐私，保证用户数据不会被用于训练目的，并允许用户随时删除账户及其数据。

YesChat的产品官网

• 产品官网：yeschat.ai

YesChat的应用场景

• 学术研究：研究人员用YesChat分析大量文献和资料，快速总结研究成果，提高研究效率。
• 商业分析：企业用YesChat处理和分析市场报告、客户反馈等数据，为决策提供支持。
• 编程开发：程序员和开发者用YesChat生成代码片段，提高开发效率和质量。
• 教育培训：教师用YesChat为学生提供个性化的学习辅导和答疑服务；学生用YesChat进行自主学习和答疑解惑。
• 客户服务：客户服务部门用YesChat的智能对话系统提高响应效率和客户满意度。
• 内容创作：作家、博主和营销人员用YesChat生成创意文案、故事梗概或角色描述。

HARPA AI是什么

HARPA AI是一款浏览器扩展工具，通过混合人工智能引擎结合了如ChatGPT、Gemini、ClaudeAI等GPT模型，并与网络自动化功能相结合。帮助用户在浏览器中执行多种任务，如自动撰写和回复电子邮件、生成SEO文章和推文、总结网页内容、监控网页更新以及提取数据等。HARPA AI提供免费的基础服务和付费的高级功能，旨在通过自动化和人工智能技术提高用户的在线工作效率和信息处理能力。

HARPA AI的主要功能

• 网页内容理解与交互：能够读取和理解当前网页内容，提供基于网页信息的AI对话和搜索。
• 自动化任务执行：可以自动执行网页上的特定任务，如填写表单、点击按钮、数据提取等。
• AI辅助写作：帮助用户撰写、校对和优化文本内容，包括电子邮件、社交媒体帖子和博客文章。
• 网页监控：监控网页变化，如价格变动、内容更新等，并在检测到变化时通知用户。
• SEO工具：提供SEO相关的功能，如关键词研究、内容优化建议等。
• 多语言支持：根据用户需求设置AI的语言响应，支持多种语言。

HARPA AI产品官网

• 产品官网：https://harpa.ai/

HARPA AI的应用场景

• 内容创作：自动生成或编辑文章、博客、社交媒体帖子和其他文本内容。
• 电子邮件管理：快速撰写和回复电子邮件，提高邮件处理效率。
• 网页搜索：提供AI增强的搜索体验，汇总和提炼搜索结果。
• 数据提取：从网页中提取结构化数据，用于分析或进一步处理。
• 自动化表单填写：自动填写在线表单，节省时间并减少错误。
• 价格监控：跟踪电子商务网站上的产品价格，以便在价格下降时通知用户。

MIP-Adapter是什么

MIP-Adapter是一种个性化图像生成技术，由阿里巴巴集团推出并开源。基于IP-Adapter模型，进一步扩展其能力，支持同时处理多个参考图像，生成更准确和高质量的定制化图像。MIP-Adapter通过为每个参考图像分配一个重要性分数，解决多图像输入时的对象混淆问题。分数基于参考图像与目标对象的相关性，确保生成的图像中每个对象的特征都能得到正确表现。该方法在多对象个性化图像生成任务上达到最先进的性能，且训练效率高，仅需在8个GPU上训练5小时即可实现。MIP-Adapter的推出，为个性化图像生成领域带来新的突破，特别是在需要结合多个参考图像进行创作的场景中。

MIP-Adapter的主要功能

• 多参考图像融合：MIP-Adapter能处理多个参考图像，并根据每个图像与目标对象的相关性进行加权融合。
• 个性化图像生成：基于参考图像和文本提示生成个性化的图像内容。
• 无需测试时微调：模型在测试阶段不需要进一步微调，减少计算资源的消耗和使用成本。
• 高质量图像输出：通过解决对象混淆问题，生成的图像质量得到显著提升。

MIP-Adapter的技术原理

• 解耦交叉注意力机制：MIP-Adapter基于一种解耦的交叉注意力机制，将文本特征和参考图像特征分别处理，然后合并到模型的中间层。
• 加权合并方法：通过估计潜藏图像特征中不同位置与目标对象的相关性，MIP-Adapter为每个参考图像分配不同的权重，从而在生成图像时更准确地反映每个对象的特征。
• 对象质量评分：提出一种对象质量评分系统，评估和选择高质量的训练样本，减轻对象混淆问题并提高训练效率。
• 多对象数据集训练：MIP-Adapter在由开源SA-1B数据集构建的多对象数据集上继续训练，提高模型在多对象生成任务上的性能。
• 高性能实现：模型在Concept101和DreamBooth等数据集上实现最先进的性能，证明在多对象个性化图像生成任务上的有效性。

MIP-Adapter的项目地址

• GitHub仓库：https://github.com/hqhQAQ/MIP-Adapter
• HuggingFace模型库：https://huggingface.co/datasets/hqhQAQ/subject_dataset_10k/tree/main
• arXiv技术论文：https://arxiv.org/pdf/2409.17920v1

MIP-Adapter的应用场景

• 社交媒体内容创作：用户根据自己的需求，上传多个参考图像和相应的文本描述，生成个性化的图片用于社交媒体分享。
• 广告和营销：企业基于MIP-Adapter生成独特的广告图像，图像包含多个产品或品牌元素，吸引潜在客户的注意力。
• 游戏和娱乐：在游戏设计和电影制作中，MIP-Adapter生成概念艺术、场景设计图或其他视觉内容。
• 虚拟试衣：在时尚行业，MIP-Adapter帮助用户上传自己的图片和服装图片，生成穿着不同服装的个性化形象。
• 个性化礼品：为顾客提供定制化礼品，如根据客户提供的图像生成个性化的贺卡、日历或T恤图案。
• 艺术创作：艺术家和设计师用MIP-Adapter探索新的艺术风格，或者将多个创意元素融合到一个作品中。

Laminar是什么

Laminar是一个开源的可观测性和分析平台，专为大型语言模型（LLM）应用程序设计。Laminar提供一套完整的工具追踪、评估、注释和分析LLM数据，使开发者深入理解并优化应用程序。Laminar的核心功能包括自动追踪LLM调用和数据库交互，事件驱动的分析，直观的仪表板展示。Laminar支持数据标注和重用，支持用户构建数据集改进模型。Laminar基于现代技术栈构建，包括Rust、RabbitMQ、Postgres和Clickhouse，确保高性能和可扩展性。Laminar简化LLM应用程序的开发和维护，提高透明度和效率。

Laminar的主要功能

• 追踪：自动追踪LLM调用和向量数据库交互，提供应用程序的执行轨迹。
• 事件分析：基于语义事件的分析，将LLM输出转换为可追踪的指标，帮助理解用户或代理的行为。
• 仪表板：提供直观的仪表板，展示追踪、跨度和事件数据，使数据一目了然。
• 数据标注：允许用户标注和注释LLM追踪，构建数据集改进模型。
• 评估：支持离线评估，帮助分析模型效果。
• 提示链管理：构建和托管提示和LLM的链，简化复杂流程。
• 现代技术栈：基于Rust、RabbitMQ、Postgres和Clickhouse构建，确保高性能和可扩展性。

Laminar的技术原理

• OpenTelemetry：基于OpenTelemetry进行自动追踪，兼容多种语言和框架。
• 语义事件：基于自然语言处理技术提取语义事件，转换为可追踪的指标。
• 消息队列：RabbitMQ作为消息队列，确保追踪数据的可靠传输。
• 数据库技术：基于Postgres存储应用程序数据，Clickhouse进行高效的事件和追踪分析。
• 向量数据库：Qdrant作为向量数据库，支持高效的向量搜索和检索。
• 前端技术：基于Next.js等现代前端技术构建用户界面。
• 容器化和编排：Docker和Kubernetes进行容器化部署和编排，简化部署和扩展。

Laminar的项目地址

• 项目官网：lmnr.ai
• GitHub仓库：https://github.com/lmnr-ai/lmnr

Laminar的应用场景

• 开发和调试：在开发阶段，Laminar帮助开发者追踪和分析LLM的调用，能更好地理解模型的行为和性能。
• 性能监控：在生产环境中，Laminar监控LLM应用程序的性能，实时检测和响应性能瓶颈或异常。
• 用户体验优化：基于分析用户与LLM交互产生的语义事件，Laminar帮助优化用户体验。
• 业务决策支持：基于Laminar追踪和分析的数据，企业做出更准确的业务决策。
• 模型微调和训练：Laminar提供的数据标注功能帮助开发者创建和组织数据集，用在模型的微调和再训练。
• 自动化和工作流管理：Laminar的提示链管理功能自动化复杂的LLM工作流，提高效率。

Realtime API是什么

Realtime API是OpenAI推出的一种低延迟、多模态的对话式API，支持文本和音频作为输入和输出。Realtime API允许开发者构建接近实时的交互体验，例如语音对语音的应用程序。包括原生的语音处理能力、自然的声音输出，以及同时处理多种模态的输出。公测版本支持开发者用API目前支持的6种预设进行语音交互。开发者用WebSocket连接到API，发送和接收JSON格式的事件，实现实时的对话和交互。Realtime API适用于需要快速响应和自然对话的应用场景，如客户服务、语言学习、游戏和娱乐等。

Realtime API的主要功能

• 实时语音处理：支持实时语音到语音的交互，无需文本转换，直接处理语音输入和输出。
• 自然语音合成：提供自然、流畅的语音输出，包括不同的语调、情感和口音。
• 多模态交互：结合文本和音频输出，提供更丰富的交互体验。
• WebSocket连接：用WebSocket协议实现持久连接，保持会话状态。
• 事件驱动的交互：基于事件的通信机制，允许灵活的请求和响应处理。
• 函数调用集成：允许在对话中集成函数调用，使AI执行特定动作或检索信息。
• 音频格式支持：支持多种音频格式，包括原始16位PCM和G.711编码。

Realtime API的技术原理

• WebSocket通信：用WebSocket协议建立一个持久的连接，允许实时双向数据流。使API能即时响应输入并发送输出。
• 状态管理：Realtime API是有状态的，在会话期间维护交互状态。包括用户输入、系统指令、会话配置等。
• 事件驱动架构：API基于事件驱动架构，客户端和服务器通过发送和接收事件交互。事件可以是文本消息、音频数据、函数调用请求等。
• 语音活动检测（VAD）：在服务器VAD模式下，服务器会运行语音活动检测算法确定何时开始和结束语音输入。有助于减少不必要的处理和延迟。
• 音频处理：支持音频输入的缓冲、提交和转录。客户端向服务器发送音频数据，服务器将数据转换成文本或直接生成语音响应。

Realtime API的项目地址

• 项目官网：platform.openai.com/docs/guides/realtime
• GitHub仓库：
  • console：https://github.com/openai/openai-realtime-console
  • beta：https://github.com/openai/openai-realtime-api-beta

Realtime API的应用场景

• 虚拟助手：提供实时语音交互的虚拟助手，帮助用户执行任务，如设置提醒、搜索信息等。
• 客户服务：在呼叫中心使用，提供更自然的语音交互体验，自动回答客户问题或引导他们完成交易。
• 语言学习：用于语言学习应用，提供实时语音反馈，帮助学习者练习发音和听力。
• 实时翻译：为多语言会议或个人提供实时语音翻译服务。
• 智能家居控制：集成到智能家居设备中，允许用户通过语音控制家中的各种智能设备。
• 游戏：在游戏中提供自然的非玩家角色（NPC）对话，增强沉浸感。
• 辅助技术：为有视觉或行动障碍的人士提供语音控制的辅助技术。

FLUX1.1是什么

FLUX1.1 Pro是Black Forest Labs团队最新推出的升级版AI图像生成模型，代号“蓝莓”，提供比前代快6倍的生成速度，同时保持了图像的及时性和多样性。FLUX1.1目前仅包含FLUX1.1 Pro模型，预计后续会开放更多的系列模型，FLUX1.1 Pro通过API对外开放，主要面向开发者和企业用户。FLUX1.1 Pro的一个独特功能是支持通过模仿单反相机文件名的技巧来增强图像的真实感，例如添加“IMG_0001.CR2”作为提示词，可以提升图像的真实感，适合艺术创作、设计、广告和社交媒体内容的生成。

FLUX1.1 Pro的主要功能

• 高速生成：与前代FLUX.1 Pro相比，图像生成速度提升了6倍，极大缩短了用户等待时间。
• 图像质量提升：在提高速度的同时，FLUX1.1 Pro也改善了输出图像的质量，生成更逼真、更精细的图像。
• 指令响应和多样性：模型对用户输入的指令有良好的响应性，并且能够生成风格多样的图像，满足不同用户的需求。
• 商业化API：FLUX1.1 Pro主要通过API方式提供，面向应用程序开发者和企业用户，支持集成到各种应用程序中。
• 闭源模型：与开源模型不同，FLUX1.1 Pro是闭源的，确保了模型的独特性和竞争优势。
• 基准测试领先：在Artificial Analysis image arena上以“蓝莓”代号超越其他模型，获得最高的总体Elo评分。
• 超写实风格：用户可以通过模仿不同相机的文件命名格式（如CR2、ARW、NEF、HEIC）来获得不同风格的写实图像。

FLUX1.1 Pro的项目地址

• 项目官网：https://blackforestlabs.ai/
• FLUX.1项目地址：https://ai-bot.cn/flux-1/

FLUX1.1 Pro的产品定价

• FLUX1.1 Pro的产品定价为每生成一张图像4美分，换算成人民币大约是0.28元。

价格是针对使用FLUX1.1 Pro模型通过API生成图像的费用。价格可能会根据使用量、地区、时间以及可能的促销活动等因素有所变动。如果需要最新的定价信息，建议直接访问Black Forest Labs的官方网站

FLUX1.1 Pro的应用场景

FLUX1.1 Pro的核心特性包括高速图像生成、图像质量提升、指令响应和多样性、商业化API支持、基准测试领先、支持多种图像格式（超写实风格）。

• 内容创作平台：在线平台可以集成FLUX1.1 Pro，让用户能够快速生成高质量的图像内容，如社交媒体图片、博客配图等。
• 设计辅助工具：设计师可以用FLUX1.1 Pro来生成设计概念的初步草图，加速设计流程。
• 虚拟摄影：利用FLUX1.1 Pro生成高质量的虚拟摄影作品，模拟不同相机和镜头的效果。
• 游戏开发：游戏开发者可以用FLUX1.1 Pro快速生成游戏资产，如环境、角色、道具的原型设计。
• 电影和视频制作：在电影预制和视频制作中，FLUX1.1 Pro可以用来生成概念艺术和场景设计。
• 广告和品牌营销：快速生成吸引人的广告图像，帮助品牌在市场上更有效地传达信息。

RD-Agent是什么

RD-Agent是一个开源的自动化研究与开发（R&D）工具，由微软亚洲研究院推出。基于AI技术推动数据驱动的AI研发过程，专注于简化模型和数据的开发。RD-Agent的核心在于自动化提出新想法和实施整个过程，旨在提高研发效率和质量。RD-Agent用于金融量化、数据挖掘、研究辅助等多个场景，帮助用户自动化地提出金融量化策略、迭代地提出和实施数据模型，自动阅读研究论文或财务报告构建数据集。

RD-Agent的主要功能

• 自动化研究与开发：RD-Agent集成自主代理框架，自动化从想法提出到实现的整个研究与开发流程。
• 智能决策支持：基于大语言模型的逻辑推理能力，支持复杂决策过程，辅助进行数据分析和模式识别。
• 跨领域知识迁移：大语言模型的广泛知识覆盖，实现不同领域间的知识迁移和应用。
• 数据驱动的创新：专注于数据驱动的研发场景，通过数据挖掘和分析提炼信息、总结规律。
• 代理工具的自动处理：自动执行重复且复杂的任务，如特征工程、模型结构实现等，加快研发进程。

RD-Agent的技术原理

• 大语言模型（LLMs）：依托于大语言模型，通过海量数据训练，积累丰富的知识，提供传统方法所缺乏的智能性。
• 自主代理框架：由研究（R）和开发（D）两个关键模块构成，通过反馈循环不断优化，实现自主学习和进化。
• 数据挖掘和分析：在数据处理和分析方面表现出色，高效提炼信息、总结规律。
• 动态学习和知识积累：RD-Agent在真实世界的实践和反馈中的动态学习，实现知识的持续增长。
• 任务调度和执行：通过智能调度任务和择优执行，提升研发效率。
• 基准测试：构建基准测试集，如RD2Bench，评估大语言模型代理在数据和模型研发方面的能力。

RD-Agent的项目地址

• 项目官网：rdagent.readthedocs.io/en/latest
• GitHub仓库：https://github.com/microsoft/RD-Agent

RD-Agent的应用场景

• 通用科研助理：自动阅读和理解研究论文或报告，实现论文中提出的模型结构或算法。
• 金融量化分析：自动化地提出金融量化策略，实施复杂的特征工程工作。
• 医疗数据分析：从医疗数据中挖掘模式和趋势，提出和实现医疗预测模型。
• 自动化内容创作：生成或编辑文章、报告等内容，辅助进行创意写作和编辑工作。
• 数据挖掘智能体：迭代地提出数据和模型的假设，从数据中获取知识。
• 研究助手：自动阅读研究论文或财务报告，提取关键信息并构建数据集。