公共资源速递

2 个公共数据集：

* PerceptionBench 视觉感知能力基准数据集

* Kimi K3 Coding & Debugging traces 编程调优轨迹数据集

11 个公共教程：

* OvisOCR2 文档解析

* Lyft 自动驾驶轨迹预测

* Titanic 生存预测入门教程

* RoBERTa Tweet 情感文本抽取

* Cosmos3-Edge 全模态世界模型

* Keras 深度学习基础教程 — 乳腺癌分类

* GROMACS 入门：1AKI 蛋白建模与平衡

* Recommendation Engine 共购推荐引擎

* 灾难推文分类：使用 BERT 进行 NLP 文本分类

* Nanbeige4.2-3B： 紧凑体型超越 9B 智能体性能

* MOSS-Transcribe-Diarize：端到端音频理解模型

访问官网立即使用：openbayes.com

公共数据集

1. PerceptionBench 视觉感知能力基准数据集
该数据集共包含 3,000 道已验证测试题，涵盖 10 种基本感知能力，包含视觉关系理解、计数、属性认知、深度与 3D 感知、空间定位、比较推理、细粒度识别、上下文整合、OCR 文本理解及感知相关幻觉等类别。

* 在线使用：

https://go.openbayes.com/bLVdg

2. Kimi K3 Coding & Debugging traces 编程调优轨迹数据集
该数据集共包含来自 577 个完整轨迹的 3,906 行训练数据。任务涵盖系统构建与实现、缺陷诊断与调试、工具调用与编排、项目迁移与整合、错误恢复、安全加固以及功能开发等类别。

* 在线使用：

https://go.openbayes.com/z3iIt

公共教程

1. OvisOCR2 文档解析

OvisOCR2 模型由 ATH-MaaS 团队于 2026 年 7 月发布，是一个紧凑的 0.8B 端到端文档解析模型。该模型通过对 Qwen3.5-0.8B 进行后训练构建，采用精心设计的数据引擎（结合真实数据与合成数据）以及集成 SFT、RL 和 OPD 的多阶段训练策略。

* 在线运行：

https://go.openbayes.com/papJ3

项目示例

2. Lyft 自动驾驶轨迹预测

Lyft Motion Prediction 是 Lyft 在 2020 年举办的 Kaggle 竞赛，任务是根据自动驾驶场景中的上下文信息，预测智能体（车辆、行人等）未来 5 秒的运动轨迹（50 个时间步，10Hz）。

* 在线运行：

https://go.openbayes.com/rSeh4

项目示例

3. Titanic 生存预测入门教程

Titanic - Machine Learning from Disaster 是 Kaggle 平台上最经典的入门竞赛之一。任务目标是根据乘客的个人信息（舱位等级、性别、年龄、家庭规模等），预测其在泰坦尼克号沉船事故中是否幸存。

* 在线运行：

https://go.openbayes.com/DqlzR

数据分析

4. RoBERTa Tweet 情感文本抽取

RoBERTa 模型是由 Facebook AI 团队于 2019 年 7 月发布，其核心创新与特点为在 BERT 基础上引入动态掩码策略、更大批次训练和更多训练数据，显著提升了 NLP 基准测试性能。本教程基于 Kaggle Grandmaster Chris Deotte 在 Tweet Sentiment Extraction 竞赛中的经典方案，将情感文本抽取任务转化为问答问题：给定推文和情感类型，预测情感关键短语的起始和结束位置。

* 在线运行：

https://go.openbayes.com/i1PRP

5. Cosmos3-Edge 全模态世界模型

Cosmos3-Edge 是由 NVIDIA 团队于 2026 年 7 月发布的 4B 参数全模态世界基础模型，核心创新与特点为采用混合 Transformer（MoT）架构，在一个统一框架内融合自回归 Transformer 和扩散 Transformer，分别处理文本生成和图像/视频/动作等多模态生成。

* 在线运行：

https://go.openbayes.com/sycGY

项目示例

6. Keras 深度学习基础教程 — 乳腺癌分类

本教程源自 Kaggle 上 Paras Jindal 于 2026年7月 发布的入门级深度学习项目，使用 Keras Sequential API 构建神经网络模型，对乳腺癌细胞特征数据进行良恶性二分类。

* 在线运行：

https://go.openbayes.com/eoRwK

模型汇总对比

7. GROMACS 入门：1AKI 蛋白建模与平衡

GROMACS 是一个用于分子动力学模拟的自由开源软件包，主要针对蛋白质、脂质和核酸等生物大分子的模拟进行了优化，也是目前使用最广泛的 MD 引擎之一。本次教程以溶菌酶（1AKI）为例，完成蛋白质在水溶液中的建模与平衡：从 PDB 结构出发，经过溶剂化、离子添加、能量最小化和 NVT 平衡，为后续成品分子动力学模拟做好准备。

* 在线运行：

https://go.openbayes.com/BErNZ

项目示例

8. Recommendation Engine 共购推荐引擎

共购推荐引擎（Co-Purchase Recommendation Engine）是一个基于 Chris Deotte 的 Kaggle Notebook Recommend Items Purchased Together 的推荐系统，该 Notebook 于 2022 年 2 月发布。其核心创新在于通过分析历史交易数据构建共购矩阵，从而推荐经常一起购买的商品，融合了三种策略：历史购买频率、共购模式和热门商品兜底。该算法在 H&M 个性化时尚推荐竞赛中取得了 MAP@12 = 0.021 的成绩。

* 在线运行：

https://go.openbayes.com/8nYe1

9. 灾难推文分类：使用 BERT 进行 NLP 文本分类

本教程基于 Kaggle 上 xhlulu 的经典 Notebook，使用 BERT 进行灾难推文二分类。本教程通过一个完整的 NLP 实战项目，带你从零搭建 BERT 文本分类 pipeline：数据加载 → Tokenization 编码 → 模型构建 → 训练微调 → 推理预测。你将学会如何将预训练 BERT 应用于自定义二分类任务，并理解 [CLS] token、sigmoid 输出层等关键设计选择背后的原理。

* 在线运行：

https://go.openbayes.com/Mojnu

10. Nanbeige4.2-3B： 紧凑体型超越 9B 智能体性能

Nanbeige4.2-3B 是由南北阁（Nanbeige）于2026年 7 月开发的紧凑型智能体模型，基于 Nanbeige4.2-3B-Base 构建。该模型采用 Looped Transformer（循环 Transformer） 架构，通过复用 Transformer 层来在不增加参数量的前提下提升模型容量——仅用 3B 非嵌入参数（总计 4B），即可在智能体基准测试中超越 Qwen3.5-9B、Gemma4-12B 等更大模型。

* 在线运行：

https://go.openbayes.com/GXown

项目示例

11. MOSS-Transcribe-Diarize：端到端音频理解模型

MOSS-Transcribe-Diarize 是由 MOSI.AI 团队于 2026 年 7 月发布的端到端多说话人音频理解模型。只需一次推理，模型即可同时完成语音转写和说话人分离，输出带有时间戳和匿名说话人标签（如 [S01]、[S02]）的结构化文本。

* 在线运行：

https://go.openbayes.com/YlrfX

项目示例