791个机器人数据集汇流
跨具身训练进入质量治理期

lerobot/community_dataset_v3 于 2026-07-16 发布，本次扫描时 downloads 5,114、likes 3，规模为 10M<n<100M。官方数据卡披露其由 235 名社区贡献者共同形成，包含 791 个子数据集、50,622 个 episode、25,971,082 帧和 251.5 小时数据，覆盖 46 类机器人；原始 851 个数据集经清理后保留 791 个，剔除了缺失视频、数据类型不一致和转换失败的数据。Hugging Face 又于 2026-07-21 发布 Grabette，让参与者用手持夹爪、相机与浏览器流程采集 6-DoF 操作轨迹并转换为 LeRobot 格式。

microsoft/RESOURCE2SKILL 于 2026-07-17 发布，本次扫描时 downloads 2,098、likes 9，覆盖 Web、PowerPoint、Excel、Blender 与音频工作流，将人类创建的教程、代码、文档和参考产物提炼为可发现、可组合、可执行的技能；项目页报告在同一 GPT-5.4 backbone 上，七个领域平均任务得分由 51.9 提升至 66.9，其中 UE5 提升 38.2 分。同期 nvidia/Open-SWE-Traces 于 2026-07-16 更新，包含 207,489 条 SWE-agent/OpenHands 软件工程轨迹，本次扫描 downloads 8,274；Apple 于 2026-07-21 发布无需真实 API 环境的轨迹合成方法，并以 LLM judge 过滤结果。

facebook/GAMUT 于 2026-07-20 发布，配套论文于 2026-07-21 公开。该基准包含 1,813 个基于真实可穿戴图像的问题，覆盖 10 个领域；其方法先由结构化 meta-rubric 描述完整答案需要满足的事实、替代项和有序过程，再机械编译为低方差的二元检查项。问题与量规由多轮“人类 + LLM”流程构建，每条量规均有网页证据并经专家核验；在 14 个闭源与开源模型中，最佳结果只有 58.7%。AllenAI 又于 2026-07-22 发布 deepresearch-bench，提供中英文各 50 个任务，并将可读性、洞察力、完整性和指令遵循拆为带权判据。

surgeai/chartography 于 2026-07-16 完成本期更新，本次扫描时 downloads 121。它仅设 test split，包含 100 张真实图表和 100 个问题，覆盖金融、医疗、制造、供应链、化学、地学和电气工程等 12 个专业领域；每道题由相关从业者编写并经多名专家复核，同时提供完整计算路径和按图表精度设定的可接受答案区间。官方报告首批评测没有前沿模型超过 45%，并通过 canary 明确阻止训练污染。Amazon 于 2026-07-20 发布 ConfBench，以 75 份经核验的 FCC 发票生成最多 18 类退化版本，共 1,346 个样本，用于 OCR 鲁棒性与置信度校准。

nvidia/av-skills 于 2026-07-22 更新，官方数据卡披露共 2,862,653 条音视频对话，覆盖 29 类任务，训练视频最长 15 分钟；其中 AV-Think 含 23,618 条时间锚定推理样本，平均推理链长度 635.7 个英文词。数据同时覆盖语音、环境声、音乐、长程视频和时间定位。2026-07-20 发布的 ConsiSpace 论文进一步指出，模型在视角变化和长时段视频中容易聚合出不一致的空间证据，说明长视频能力已从片段识别进入跨时间、跨视角的一致性推理阶段。