Buchumschlag

Navigating Dataset Documentations in AI: A Large-Scale Analysis of Dataset Cards on Hugging Face

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Xinyu, Liang, Weixin, Zou, James
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What's documented in AI? Systematic Analysis of 32K AI Model Cards
von: Liang, Weixin, et al.
Veröffentlicht: (2024)

Analyzing the Evolution and Maintenance of ML Models on Hugging Face
von: Castaño, Joel, et al.
Veröffentlicht: (2023)

The AI Community Building the Future? A Quantitative Analysis of Development Activity on Hugging Face Hub
von: Osborne, Cailean, et al.
Veröffentlicht: (2024)

Many AI Analysts, One Dataset: Navigating the Agentic Data Science Multiverse
von: Bertran, Martin, et al.
Veröffentlicht: (2026)

Towards Causal Relationship in Indefinite Data: Baseline Model and New Datasets
von: Chen, Hang, et al.
Veröffentlicht: (2024)

PLAICraft: Large-Scale Time-Aligned Vision-Speech-Action Dataset for Embodied AI
von: He, Yingchen, et al.
Veröffentlicht: (2025)

XLand-100B: A Large-Scale Multi-Task Dataset for In-Context Reinforcement Learning
von: Nikulin, Alexander, et al.
Veröffentlicht: (2024)

FactoryNet: A Large-Scale Dataset toward Industrial Time-Series Foundation Models
von: Othman, Karim, et al.
Veröffentlicht: (2026)

Scale Efficient Training for Large Datasets
von: Zhou, Qing, et al.
Veröffentlicht: (2025)

Anatomy of a Machine Learning Ecosystem: 2 Million Models on Hugging Face
von: Laufer, Benjamin, et al.
Veröffentlicht: (2025)

ArtWhisperer: A Dataset for Characterizing Human-AI Interactions in Artistic Creations
von: Vodrahalli, Kailas, et al.
Veröffentlicht: (2023)

Soft Label Pruning and Quantization for Large-Scale Dataset Distillation
von: Lingao, Xiao, et al.
Veröffentlicht: (2026)

EB-NeRD: A Large-Scale Dataset for News Recommendation
von: Kruse, Johannes, et al.
Veröffentlicht: (2024)

AmazonQAC: A Large-Scale, Naturalistic Query Autocomplete Dataset
von: Everaert, Dante, et al.
Veröffentlicht: (2024)

An Empirical Analysis of Machine Learning Model and Dataset Documentation, Supply Chain, and Licensing Challenges on Hugging Face
von: Stalnaker, Trevor, et al.
Veröffentlicht: (2025)

Learning and Blending Robot Hugging Behaviors in Time and Space
von: Drolet, Michael, et al.
Veröffentlicht: (2022)

DiTEC-WDN: A Large-Scale Dataset of Hydraulic Scenarios across Multiple Water Distribution Networks
von: Truong, Huy, et al.
Veröffentlicht: (2025)

Computational Approaches to Understanding Large Language Model Impact on Writing and Information Ecosystems
von: Liang, Weixin
Veröffentlicht: (2025)

LEMMA-RCA: A Large Multi-modal Multi-domain Dataset for Root Cause Analysis
von: Zheng, Lecheng, et al.
Veröffentlicht: (2024)

BookSQL: A Large Scale Text-to-SQL Dataset for Accounting Domain
von: Kumar, Rahul, et al.
Veröffentlicht: (2024)

Sci-Reasoning: A Dataset Decoding AI Innovation Patterns
von: Liu, Jiachen, et al.
Veröffentlicht: (2026)

HiGraph: A Large-Scale Hierarchical Graph Dataset for Malware Analysis
von: Chen, Han, et al.
Veröffentlicht: (2025)

M$^{3}$-20M: A Large-Scale Multi-Modal Molecule Dataset for AI-driven Drug Design and Discovery
von: Guo, Siyuan, et al.
Veröffentlicht: (2024)

A Large-Scale Dataset and Benchmark: Do Protein-Ligand Models Learn Binding Sites or Just Binding Likelihood?
von: Meng, Zhaohan, et al.
Veröffentlicht: (2026)

Large-Scale Multipurpose Benchmark Datasets For Assessing Data-Driven Deep Learning Approaches For Water Distribution Networks
von: Tello, Andres, et al.
Veröffentlicht: (2024)

Aeolus: A Multi-structural Flight Delay Dataset
von: Xu, Lin, et al.
Veröffentlicht: (2025)

Kaputt: A Large-Scale Dataset for Visual Defect Detection
von: Höfer, Sebastian, et al.
Veröffentlicht: (2025)

NeSTR: A Neuro-Symbolic Abductive Framework for Temporal Reasoning in Large Language Models
von: Liang, Feng, et al.
Veröffentlicht: (2025)

MaskOpt: A Large-Scale Mask Optimization Dataset to Advance AI in Integrated Circuit Manufacturing
von: Hu, Yuting, et al.
Veröffentlicht: (2025)

TailedTS: Benchmark Dataset for Heavy-Tailed Time Series Prediction and Periodicity Quantification
von: Chen, Xinyu, et al.
Veröffentlicht: (2026)

Diffusion Graph Neural Networks and Dataset for Robust Olfactory Navigation in Hazard Robotics
von: France, Kordel K., et al.
Veröffentlicht: (2025)

Uncertainty Calibration with Energy Based Instance-wise Scaling in the Wild Dataset
von: Kim, Mijoo, et al.
Veröffentlicht: (2024)

ALHD: A Large-Scale and Multigenre Benchmark Dataset for Arabic LLM-Generated Text Detection
von: Khairallah, Ali, et al.
Veröffentlicht: (2025)

Open Datasheets: Machine-readable Documentation for Open Datasets and Responsible AI Assessments
von: Roman, Anthony Cintron, et al.
Veröffentlicht: (2023)

Imitation Learning Datasets: A Toolkit For Creating Datasets, Training Agents and Benchmarking
von: Gavenski, Nathan, et al.
Veröffentlicht: (2024)

Aneumo: A Large-Scale Comprehensive Synthetic Dataset of Aneurysm Hemodynamics
von: Li, Xigui, et al.
Veröffentlicht: (2025)

RP1M: A Large-Scale Motion Dataset for Piano Playing with Bi-Manual Dexterous Robot Hands
von: Zhao, Yi, et al.
Veröffentlicht: (2024)

Property-Driven Evaluation of GNN Expressiveness at Scale: Datasets, Framework, and Study
von: Che, Sicong, et al.
Veröffentlicht: (2026)

A Standardized Machine-readable Dataset Documentation Format for Responsible AI
von: Jain, Nitisha, et al.
Veröffentlicht: (2024)

Towards Quantifying Long-Range Interactions in Graph Machine Learning: a Large Graph Dataset and a Measurement
von: Liang, Huidong, et al.
Veröffentlicht: (2025)