大规模家庭操作仿真框架 / 通才机器人训练与基准
UT Austin 与 NVIDIA 的大规模家庭操作仿真框架,RoboCasa365 版提供 365 任务、2500+ 厨房场景、600+ 小时人类演示与 1600+ 小时合成演示,用于通才机器人的系统化基准。
CAD 几何深度学习数据集 / 参数化 B-rep 真值基准
CVPR 2019 发布的百万级 CAD 模型数据集,每模型由显式参数化曲线与曲面构成,提供法向、曲率、面片分割等真值,是几何深度学习与 CAD 生成研究的核心基准。
新 数据集 MIT;CAD 模型版权归各原始创作者;处理管线 GPL CAD几何深度学习B-rep 气候机器学习基准库
UCLA 机器智能组开源的 PyTorch 库,统一 ERA5、CMIP6、PRISM 数据获取、统计降尺度与时序预报的基线模型、指标与可视化,用于规模化可复现的气候机器学习基准测试。
通用科学ML / 基准评测
覆盖 12 类以上 PDE 的统一基准数据集(Takamoto et al. 2022),把「算子学习模型好不好」变成可横向对比的数字,是做模型选型前必须过一遍的标尺。
新 见 LICENSE 文件 基准数据集神经算子 PDE 基准 / 多方程
大规模 PDE 基准数据集,涵盖热传导、对流扩散、流体动力学等方程,支持数据驱动与物理信息方法的公平对比。数据集由 Stanford 等机构发布,覆盖 11 类 PDE,附基线模型(FNO / U-Net / TF-Net)评测脚本,跨库比较公平。
3D 湍流(DNS 验证)
2026 年发布的 3D 湍流 DNS 基准数据集,含 5 个任务与受控泛化切分,专用于评测湍流模型的外推能力。数据集含 Reτ = 1000–10000 平板湍流与各向同性湍流,专为评估外推能力设计,受控 train/test 切分避免数据泄露。
PDE 基准 / 可微求解
微软研究院开源的 PDE 基准套件,内置可微求解器与多类时空动力学数据,支持端到端评测神经算子与代理模型的长时滚动稳定性。配套标准化 train/test 切分与基线模型评测脚本,可直接用于学术论文公平对比。
多物理 / PDE · 16 领域
覆盖 16 个物理仿真领域的超大数据集,被称为「物理 ML 的 ImageNet 时刻」,配套 PyTorch API 与预训练基线,支持 HF 流式加载。配套标准化 train/test 切分与基线模型评测脚本,可直接用于学术论文公平对比。
各子集独立(多 CC-BY / 代码 MIT) 多物理基准PyTorch 必读基准论文
提出覆盖 16 个物理领域的统一基准,论证「跨领域预训练」对物理 ML 的增益,是物理基础模型方向必读论文。数据集覆盖 16 物理领域、2000+ 仿真,统一接口与评估协议,论证跨领域预训练对 PDE 代理的迁移增益。