年最新视频消除权威排行榜：Netflix VOID 物理直觉一键移除复杂物体
本期公共资源速递精心筛选了一批高质量数据集与实用教程，广泛覆盖医疗、金融、多语言处理、视频后期、蛋白质工程等前沿技术方向。无论您正在进行模型训练还是技术验证，以下资源均值得深入参考。
以下为11个推荐数据集：
- Stroke Risk 中风风险数据集
- ToolACE 复杂工具学习对话数据集
- CHOCLO 拉丁美州文化基准数据集
- DRACO 跨领域深度研究基准数据集
- MDPBench 多语言文档解析基准数据集
- World Model Bench 世界模型基准数据集
- Credit Card Fraud 信用卡欺诈检测数据集
- Spam Email Detection 垃圾邮件检测数据集
- Simple Voice Questions 简单语音问题数据集
- COCO-2017-Vietnamese 越南语图像检测数据集
- GPT-5.4-step-by-step-reasoning 逐步推理数据集
以下为6个推荐教程：
- DeepTutor：个人学习助手
- 一键部署 gemma-4-31B-it
- Chandra-ocr-2 部署与交互式文本识别
- VenusFactory v2 蛋白质工程设计平台
- Netflix VOID：从视频中移除物体及交互
- 一键部署 Nemotron-Cascade-2-30B-A3B
公共数据集
- Stroke Risk 中风风险数据集
该数据集专为医疗健康场景设计，基于人口统计、病史、生活方式等常见临床风险因素构建，包含关键健康指标，可用于预测个体中风概率。对于计划搭建预测模型的团队，这是一份可直接使用的基础数据，有助于识别影响中风的核心因素，从而提升早期筛查与预防效果。 - ToolACE 复杂工具学习对话数据集
本数据集收录26,507个多样化API调用的多步骤会话示例，通过多智能体交互生成，并经过规则检查与模型验证双重质量把关。每条对话均模拟多步骤、多来源的信息检索与分析任务，真实还原复杂工具调用场景，为LLM训练提供高质量素材。 - CHOCLO 拉丁美州文化基准数据集
覆盖传统、美食、公众人物、地理、动物、植物和文化遗产7大核心类别，横跨智利、墨西哥、阿根廷等18个拉丁美洲国家。适用于评估大语言模型在拉丁美洲多元文化语境下的表现，为跨文化NLP研究提供系统化基准。 - DRACO 跨领域深度研究基准数据集
包含100个复杂研究任务，覆盖全球五大洲40个国家与地区，涉及金融、购物/产品对比、学术、科技等10大应用领域。每个任务对应多步骤、多来源的信息检索与分析问题，由26位领域专家设计并验证评估标准。单个标准平均包含约40项评价指标，从事实准确性、分析广度与深度、展示质量及引用质量四个维度进行细粒度评估，严谨程度极高。 - MDPBench 多语言文档解析基准数据集
涵盖3,400张文档图像，支持17种语言：简体中文、繁体中文、英语、阿拉伯语、德语、西班牙语、法语、印地语、印尼语、意大利语、日语、韩语、葡萄牙语、俄语、泰语和越南语。所有图像经专家模型标注、人工校正和人工验证三重流程，确保标注质量。 - World Model Bench 世界模型基准数据集
围绕世界模型能力评估设计，覆盖感知、认知与具身三大核心维度，细分为环境理解、实体识别与分类、基于预测的推理等10类任务，共100个多样化场景。可系统性地评估模型在复杂环境中的认知与决策能力。 - Credit Card Fraud 信用卡欺诈检测数据集
收录美国西部地区信用卡交易数据，包含客户账户信息、商户及交易类别等详细内容，并标注是否欺诈。专注于信用卡交易欺诈识别，非常适合用于二元分类模型的训练与测试。 - Spam Email Detection 垃圾邮件检测数据集
一份用于垃圾邮件识别的标注电子邮件数据集，提供邮件主题与正文文本，同时包含词数统计、文本特征及工程化数值特征，附带垃圾邮件标签。可直接用于二元分类任务，大幅减少数据预处理工作。 - Simple Voice Questions 简单语音问题数据集
覆盖26个地区的17种语言，包含约700名说话者的简短音频问题，每人最多提供250条语音样本。录音环境包括安静室内、背景人声及交通噪声，对多语言语音识别和抗噪研究具有重要价值。 - COCO-2017-Vietnamese 越南语图像检测数据集
基于Microsoft Common Objects in Context 2017数据集的越南语本地化扩展，由AI Enthusiasm社区整理发布。在原始英文图像描述基础上引入高质量越南语翻译，提供双语框架下的综合基准，适用于图像描述与多模态学习任务。 - GPT-5.4-step-by-step-reasoning 逐步推理数据集
针对长链思维（CoT）建模与复杂问题求解，精选约1,500条精英级样本，覆盖数学、编程与医学等高复杂度领域。任务难度统一设定为“Grandmaster”及“Beyond-PhD”级别，适合用来挑战模型的深层推理能力。
公共教程
1. DeepTutor：个人学习助手
香港大学数据智能实验室于2026年3月推出的全能型AI教学系统。整合四大核心模块：海量文档知识问答、交互式学习可视化、知识强化与练习题目生成、深度研究与想法生成，为学习者提供一站式智能学习体验。
2. 一键部署 gemma-4-31B-it
由Google DeepMind于2026年4月2日发布，是Gemma 4系列中的31B Dense指令模型。支持文本与图像输入、文本输出，提供最长256K上下文窗口，原生支持reasoning、function calling与system prompt。适用于构建高质量问答、代码辅助与智能体服务，覆盖140多种语言，主要面向推理、编程、智能体工作流及多模态理解任务。
3. Chandra-ocr-2 部署与交互式文本识别
由Datalab团队于2026年3月推出的新一代光学字符识别系统，专注于复杂场景下的文字识别与结构化输出。基于先进视觉语言预训练技术微调，可智能识别上传图像内容并返回格式化文本结果。
4. VenusFactory v2 蛋白质工程设计平台
由上海交通大学、华东理工大学联合团队开发。该平台以Agent驱动，集成40余种AI模型与11个生物数据库。提供Web界面、REST API、CLI三种使用方式，方便计算机科学与生物学领域的研究人员快速上手。
5. Netflix VOID：从视频中移除物体及交互
Netflix团队与苏菲亚大学（Sofia University）于2026年4月联合开源。该模型拥有50亿参数，专为解决电影后期制作中的物理一致性难题而设计，旨在突破传统视频补全技术在复杂物体交互场景下的因果逻辑局限。
6. 一键部署 Nemotron-Cascade-2-30B-A3B
NVIDIA于2026年3月发布，是一款30B MoE、约3B activated parameters的开源大语言模型，基于Nemotron-3-Nano-30B-A3B-Base后训练而来。核心定位是提供强推理、对话、代码相关与agentic场景能力，同时支持thinking mode与instruct mode两种使用方式。
