每周编辑精选｜希尔贝壳语音数据集系列上线、中国学者建立乳腺癌预后评分系统 MIRS
内容提要
HyperAI超神经官网上线了数千小时的中文语音数据库，包括多个数据集和论文案例。乳腺癌预后评分系统MIRS和SBeA是其中的亮点成果。HyperAI超神经是国内领先的人工智能及高性能计算社区，为开发者提供丰富的公共资源。
延伸解读
中文语音数据集的多样性覆盖
本周上线的希尔贝壳语音数据集系列覆盖了多种场景：AISHELL-1 和 AISHELL-3 提供不同口音的朗读语音，AISHELL-2 涉及唤醒词、智能家居等 12 个领域，AISHELL-4 专注于多通道会议场景，AISHELL-WakeUp-1 针对中英文唤醒词，AISHELL-DMASH 则记录真实家居环境。这种多样性为语音识别、声纹识别等研究提供了更贴近实际应用的数据基础。
AI4S 成果的临床与生态应用潜力
乳腺癌预后评分系统 MIRS 旨在指导治疗策略制定，若进一步验证，可能辅助临床决策。SBeA 工具基于少样本学习，仅需约 400 帧标记即可进行多动物三维姿态估计，身份识别准确率超 90%，降低了动物社会行为分析的门槛。两项成果分别发表于 iScience 和 Nature，显示了 AI 在医学与生态学中的交叉价值。
符号回归与中文文本生成的新资源
DeepSymNet 数据集由中国科学院半导体研究所提出，用符号网络表示符号表达式，服务于符号回归任务。Evol Instruct Chinese GPT4 则通过翻译英文问题并请求 GPT4 生成中文答案构建，可用于中文文本生成研究。这两个数据集分别针对不同 AI 子领域，为相关实验提供了新的数据选择。
Q&A
HyperAI超神经本周上线了哪些新的公共数据集？
本周hyper.ai官网更新了8个优质公共数据集，包括AISHELL系列中文语音数据库（AISHELL-1、AISHELL-2、AISHELL-3、AISHELL-4、AISHELL-WakeUp-1、AISHELL-DMASH）、DeepSymNet深度符号网数据集和Evol Instruct Chinese GPT4文本数据集。
AISHELL系列中文语音数据库包含哪些具体数据集？
AISHELL系列包括：AISHELL-1（400人录制，文本正确率95%以上）、AISHELL-2（1000小时，涉及12个领域）、AISHELL-3（218人录制，音字准确率98%以上）、AISHELL-4（211个会议，120小时多通道）、AISHELL-WakeUp-1（254人，近400万条唤醒词，1561.12小时）、AISHELL-DMASH（30000小时智能家居场景语音）。
乳腺癌预后评分系统MIRS是什么？
MIRS是由中国学者采用神经网络模型建立的一个预测乳腺癌预后和治疗的评分系统，可用于指导乳腺癌患者治疗策略的制定。相关论文已发表于iScience期刊。
SBeA是什么？它有什么特点？
SBeA (Social Behavior Atlas) 是由中国科学院深圳高新技术研究院开发的基于少样本学习框架的动物社会行为分析工具。它能够全面量化自由群居动物的行为，使用约400帧标记帧数进行多动物三维姿态估计，通过双向迁移学习策略，在多动物身份识别方面的准确率超过90%。相关成果已发表于Nature期刊。
DeepSymNet数据集是什么？
DeepSymNet是由中国科学院半导体研究所的研究人员提出的一种名为DeepSymNet的全新符号网络来表示符号表达式，用于符号回归的符号网络。
Evol Instruct Chinese GPT4文本数据集是如何创建的？
Evol Instruct Chinese GPT4文本数据集是通过以下方式创建的：(1) 将Evol-instruct-70k的英文问题翻译成中文；(2) 请求GPT4生成中文答案。
