DeepSeek 数学大模型现可一键部署！LongWriter-6k数据集上线，助力大模型万字长文输出

本文主要是介绍DeepSeek 数学大模型现可一键部署！LongWriter-6k数据集上线，助力大模型万字长文输出，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

公共资源速递

This Weekly Snapshots ！

5 个数据集：

* LongWriter-6k 长上下文输出数据集

* Yoga-16 人体瑜伽动作图像数据集

* HUST-OBS 甲骨文识别数据集

* UAVDT 无人机目标检测追踪视频数据集

* SWE-bench Verified 代码生成评估基准

1 个模型：

* DeepSeek-Prover-V1.5-RL

3 个教程：

* 一键部署 DeepSeek-Prover-V1.5

* Flash-VStream 视频理解 Demo

* Paints-Undo 一张图生成绘画全过程

访问官网立即使用：openbayes.com

公共数据集

1. LongWriter-6k 长上下文输出数据集

该数据集包含 6k 篇 SFT 数据，输出长度为 2k-32k 字（包括英文和中文），可支持训练 LLM，将其最大输出窗口大小扩展至 10,000+ 字。

* 直接使用：

https://go.openbayes.com/EHvlo

2. Yoga-16 人体瑜伽动作图像数据集

Yoga-16 数据集分为 3 个主要目录：训练、测试和验证，每个目录包含 16 个子目录，对应 16 种不同的瑜伽姿势。这个结构化的数据集提供了全面的图像集合，以方便高级瑜伽姿势识别模型的分类准确率。

* 直接使用：

https://go.openbayes.com/iU957

3. HUST-OBS 甲骨文识别数据集

该数据集包含总计 140,053 幅甲骨文图像，这些图像来自 3 个不同的来源，包括书籍、网站和现有数据库，是迄今为止最大的 OBS 识别和解密数据集之一。

* 直接使用：

https://go.openbayes.com/0hiKT

4. UAVDT 无人机目标检测追踪视频数据集

该数据集包含 10 小时的原始视频，约 8k 个具有代表性的视频帧，这些视频帧带有手动标注边界框和一些有用的标签，例如车辆类别和遮挡。

* 直接使用：

https://go.openbayes.com/lxh5a

5. SWE-bench Verified 代码生成评估基准

该基准是对现有 SWE-bench 的改进版本（子集），旨在更可靠地评估 AI 模型解决现实世界软件问题的能力。

* 直接使用：

https://go.openbayes.com/O1uuo

公共模型

1. DeepSeek-Prover-V1.5-RL

该模型是一个为 Lean 4 定理证明而设计的开源语言模型，它通过优化训练和推理过程来增强 DeepSeek-Prover-V1。该模型在 DeepSeekMath-Base 上进行了预训练，专门研究形式化数学语言，使用从 DeepSeek-Prover-V1 得到的增强形式定理证明数据集进行监督微调。

* 直接使用：

https://go.openbayes.com/XQEtA

公共教程

1. 一键部署 DeepSeek-Prover-V1.5

该模型是 DeepSeek 于 2024 年开源的数学定理证明模型，研究团队在 Lean 4 中引入了该模型，模型通过自我迭代和 Lean 证明器监督，构建了一个「围棋」式的学习环境。该教程是一键部署 DeepSeek-Prover-V1.5 模型，相关环境和依赖已经安装完毕，一键克隆启动即可体验。

* 在线运行：

https://go.openbayes.com/fcH4R

2. Flash-VStream 视频理解 Demo

Flash-VStream 是一种模拟人类记忆机制的视频语言模型。它能够实时处理极长的视频流，并同时响应用户的查询。该教程为 Flash-VStream 一键运行 Demo，只需克隆并启动该容器，直接复制生成的 API 地址，即可对模型进行推理体验。

* 在线运行：

https://go.openbayes.com/gxTeU

3. 教程上新 | 仅需 1 张图片即可生成完整绘画过程，Lvmin Zhang 新作 Paints-Undo 上线！

ControlNet 作者张吕敏 (Lvmin Zhang) 开发了名为 Paints-Undo 的新项目，能够快速拆解任意图像的绘画过程，帮助初学者更好地理解不同风格图像的绘画技巧。OpenBayes 现已上线了「Paints-Undo 一张图生成绘画全过程 Demo」，该教程为大家搭建好了环境，无需输入任何命令，一键克隆即可启动！

* 在线运行：

https://go.openbayes.com/mTe2p

以上就是小贝上周在 OpenBayes 的全部更新内容啦~

小贝还建立了「Stable Diffusion 教程交流群」，欢迎小伙伴们入群探讨各类技术问题、分享应用效果~扫描下方二维码添加小贝总微信（微信号：OpenBayes001），备注「SD 教程交流」，即可加入群聊。