景联文科技持续聚焦AI数据需求前沿，全新发布包含中文题库数据集、英文题库数据集、算法代码数据库、英文语料、中文语料、垂直领域数据、小语种数据在内的七大高质量数据集产品系列。

此次发布的数据集覆盖广泛的应用场景，通过严格的清洗与结构化处理，确保数据内容的准确性、多样性和合规性。

全面助力科研机构、科技企业及开发者在自然语言处理、智能教育、代码理解、跨语言建模等领域的模型训练与落地应用。

1. 大模型训练-中文题库数据集

逻辑题库

数据详情：包含题型全面分类、题量丰富且解析完备的逻辑推理题库体系，形成具备"一级+二级"结构化分类标签、可定向提升模型推理能力的成品数据产品。总计13万道，含多模态试题2万道与文本类11万道。

数据格式：JSON、IMG

大学数学题库

数据详情：涵盖22万道精选试题，形成覆盖微积分、线性代数、概率统计等核心领域的结构化教学数据产品，助力精准测评与自适应学习。

可满足高校数学教育智能化需求。

数据格式：JSON、IMG

中文教育题库K12题库

数据详情：包含K12全科目试题、升学考等真题试卷和自建竞赛试题三类。共3052万道试题。

格式：PDF、JSON、IMG

公考题库

数据详情：包含9万道公考试题，其中0.7万道为多模态试题。为大模型提供兼具数学推理、言语理解和考试策略分析能力的复合型训练资源。

可全面提升大模型的多模态理解与解题能力。

格式：JSON

2. 大模型训练-英文题库数据集

大学英文教育题库

数据详情：涵盖大学所有学科试题的英文教育题库，总计9万道题目，整体难度适中。

该题库专为针对英文语种题进行训练的解题大模型设计，可满足大学教育阶段英文题目解题训练需求。

格式：JSON

K12英文教育题库

数据详情：涵盖小学、初中、高中等试题的英文教育题库，总计5637万道题目。其中包含229万多模态试题，题源来自海外教育体系下真实试题，非翻译版本。

可满足不同教育阶段英文题目解题训练需求。

格式：JSON、IMG

3. 大模型训练-算法代码数据库

数据详情：包含20万道算法题，12万份答案详解的优质数据资源。可提升大模型的逻辑推理、题目解决能力，以及代码生成与优化能力。

格式：JSON

4.大模型训练-英文语料

英文期刊

数据详情：收录了800万篇权威英文期刊论文数据，数据包含自然科学、工程技术及医学健康等多学科领域文献。

适用于科研方法论训练、专业术语理解提升及技术原理推理能力强化场景。

格式：PDF

英文剧本

数据详情：收录了1.4万本优质英文剧本数据，数据包含电视剧、电影、话剧及舞台剧等多维度剧本内容。

可用于故事生成 agent 提升和模型对话 prompt。

格式：TXT、EXCEL

英文书籍

数据详情：收录了180万册英文电子书籍数据，数据包含多学科领域的专业文本内容。

适用于自然语言处理研究、大模型训练及语言生成优化场景。

格式：TXT、PDF、MOBI、EPUB

5.大模型训练-中文语料

中文剧本

数据详情：包含2.3万本优质中文剧本，覆盖电视剧、电影、话剧、舞台剧等。

可用于故事生成 agent 提升和模型对话 prompt。

格式：TXT、EXCEL

多轮对话

数据详情：收录1467.3万组多轮对话文本，对话内容包含客服、情感及日常对话，占比为 1:1:1。

适用于智能客服系统、聊天机器人、虚拟助理与个人助手模型 prompt。

格式：JSON、TXT

裁判文书数据

数据详情：包含8000万条法律文书数据，覆盖民事、刑事、行政等全部案由类型。

适用于提升模型法律条文理解能力、裁判逻辑推理和文书生成等的专属垂类领域数据。

格式：EXCEL

硕博论文

数据详情：包含23万篇理工科中文硕博论文，覆盖基础科学、工程技术、信息科技等前沿领域。

可用于提升模型理解推理能力，推动跨领域应用。

格式：PDF

6.大模型训练-多垂直领域知识教材书籍数据

管理科学知识

数据详情：收录303册管理科学教材数据，数据包含管理学科相关文献，以及管理学科知识图谱。

适用于教育大模型训练、智能教学系统开发与跨语言教育A1应用场景。

格式：PDF、EXCEL、Word

K12中英文教辅教材

数据详情：收录11655册中英文教辅教材数据，数据包含10225册中文教辅与1430册英文教辅的K12全学科内容。

适用于教育大模型训练、智能教学系统开发及跨语言教育 AI 应用场景。

格式：PDF

工业书籍

数据详情：收录3.4万册专业工业书籍数据，数据覆盖多个领域的中英文专业书籍。

适用于工业AI大模型训练、智能决策系统构建与专业技术知识服务场景。

格式：PDF、Word

7.大模型训练-小语种数据

小语种数字专利

数据详情：收录131.4万条小语种专业数据，覆盖多国语言，涉及各个技术领域。

适用于大模型跨文化理解训练、多语言模式适应及专业领域AI应用场景。

格式：PDF

小语种平行语料

数据详情：收录110万条小语种平行语料数据，数据包含包括阿拉伯语、波兰语、德语、俄语、法语、马来语、泰语、土耳其语、西班牙语、意大利语、英语共11 国语言文本。

适用于跨文化理解训练、多语言模式适应及小语种 AI 应用场景

格式：EXCEL

随着AI应用场景的不断拓展，对高质量、多语言、细分专业领域的数据资源需求也将持续增长。

景联文科技将继续秉持“成为人工智能的核心引擎，让每一比特数据释放AI的无限可能”的愿景，不断优化数据产品体系，满足日益复杂和多元的模型训练需求。

如需了解更多关于本次数据集的技术参数、样本示例或定制化服务，请访问我们的官网或联系专属商务经理。

让我们携手打造更加智能、高效的人工智能未来！