谷歌 DeepMind 开源 WeatherNext 3 数据集：SatWeave 卫星影像与 PARDIG 降水数据
谷歌把支撑 WeatherNext 3 的两套数据集全部开源了，卫星影像每小时更新一次，降水数据比 NASA IMERG-Final 准 30% 以上。做天气、水文或灾害监测的开发者可以直接从 Google Cloud 拉实时数据流，缺雷达覆盖的地区也能用。
IT之家原文
#开源数据集
共 15 条 · 7 天 1 条 · 30 天 4 条
信息流里打上「开源数据集」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月13日
11月6日
VLA-Tug：面向视觉-语言-动作模型的轻量级失败预测探针
研究者给机器人 VLA 模型做了个潜层探针 VLA-Tug，能提前发现失败、还能预测失败原因，附带 3,180 条标注数据集。
10月29日
Hugging Face 推出 Project ProtoStar，将公共资助的科学数据转为 AI 可用格式
Hugging Face 开了个新项目 ProtoStar，把公共资助的科学数据整理成 AI 能直接用的数据集，做科研或训练模型的朋友可以看看怎么参与。
10月21日
BAAI 与人大合作的科研文献检索基准被 NeurIPS 2026 接收
BAAI 和人大做了个测 AI 读论文能力的基准，被 NeurIPS 2026 收了，数据和评测环境全开源，做科研智能体的可以直接拿去用。
10月9日
Voice Arena 发布 Monsoon 语音数据集：50 种语言、10 万小时
Monsoon 是个 10 万小时的多语言语音数据集，微调 Whisper 后孟加拉语词错率从 85% 降到 7.65%，做语音方向的可以试试 API 测测效果。
10月6日
CCQ 数据集发布：覆盖美国 12 州 5.9 万条托育机构记录
一个做表格或文本数据研究的朋友可以看看，5.9 万条托育记录，连代码一起开源了，拿来练跨州迁移正合适。
9月29日
ESPnet发布YODAS v3语音数据集
ESPnet开源了110万小时多语言语音数据集，覆盖100多种语言，带时间戳和翻译，直接拿来训练语音模型。
9月21日
Eidon AI 关闭前开源 1,274 小时第一人称机器人数据
Eidon AI 关门前把 1274 小时第一人称人类操作数据放上 Hugging Face，做具身智能的免费拿去用。
8月22日
7月26日
7月21日
姚金刚开源国内8大AI平台搜索数据集，含620个问题21万引用
这批数据太香了，覆盖豆包、DeepSeek、Kimi等8个平台的搜索引用，21万条记录随便分析，搞AI搜索和信源生态的别错过。
7月1日
行业05:24
Hugging Face 发布 80TB 天体物理数据集，仅需 4GB RAM 即可加载Hugging Face 上悄悄放了 80TB 天文数据，用你笔记本就能跑 SDSS 和 Gaia 交叉匹配。搞 AI for Science 的话别错过，比想象中好上手。
Google将Heat Resilience数据扩展至50+全球城市
Google把热弹性数据做到50+城市了，开源可下载，做城市热岛分析直接拿数据，不用自己算。
6月18日
XDOF融资7000万美元，开源最大遥操作数据集ABC-130K
XDOF拿了7000万美金做机器人基础模型，还开源了130K的遥操作数据集，搞机器人训练的朋友赶紧去用。
6月16日
GitHub发布多语言AI开源数据集，覆盖README、Issues、Pull Requests
GitHub新出的多语言数据集，免费开源，里面各种语言的README和讨论都有，做多语言AI模型训练正好用上。
