The KAIROS Evaluation Software Suite was developed by NIST in support of evaluation of DARPA's Program on Knowledge Directed Artificial Intelligence Reasoning Over Schemas (KAIROS). Some of the capabilities of this software include:* calculating a variety of metrics and scores indicative of performance of individual KAIROS systems* processing and format conversion of KAIROS system output, data annotations, and human assessment results* analyzing metrics, scores, and assessment results* generating statistics and charts summarizing these results

The KAIROS Evaluation Software Suite was developed by NIST in support of evaluation of DARPA's Program on Knowledge Directed Artificial Intelligence Reasoning Over Schemas (KAIROS). Some of the capabilities of this software include:* calculating a variety of metrics and scores indicative of performance of individual KAIROS systems* processing and format conversion of KAIROS system output, data annotations, and human assessment results* analyzing metrics, scores, and assessment results* generating statistics and charts summarizing these results

정부 문서를 기반으로 생성된 LLM모델을 위한 AI학습용 데이터입니다. 보도자료, 연설문, 발간사, 정책보고서, 회의/행사 계획 공문서를 활용하여 구축된 말뭉치 학습 데이터 및 질의응답, 재구성, 요약을 위한 목적형 태스크 학습 데이터로 구성되어 있습니다. 주요 특징으로는 다음과 같은 특징을 가지고 있습니다. ● 멀티모달 LLM 대응과 복잡한 표를 가진 문서에 대한 LLM의 이해도 향상을 위해 말뭉치에 표(html)와 그림(별도 저장후 경로 표기)이 포함됩니다. ● LLM을 지시에 따르도록 파인튜닝하기 위해 활용될 수 있는 Q&A, 요약, 재작성용 태스크 데이터셋이 포함됩니다.

This web-based validation system has been designed to perform visual validation of automated multi-class segmentation of concrete samples from scanning electron microscopy (SEM) images. The goal is to segment automatically SEM images into no-damage and damage sub-classes, where the damage sub-classes consist of paste damage, aggregate damage, and air voids. While the no-damage sub-classes are not included in the goal, they provide context for assigning damage sub-classes. The motivation behind this web validation system is to prepare a large number of pixel-level multi-class annotated microscopy images for training artificial intelligence (AI) based segmentation models (U-Net and SegNet models). While the purpose of the AI models is to predict accurately four damage labels, such as, paste damage, aggregate damage, air voids, and no-damage, our goal is to assert trust in such predictions (a) by using contextual labels and (b) by enabling visual validations of predicted damage labels.

This is the training data used to create and evaluate trojan detection software solutions. This data, generated at NIST, consists of instruction fine tuned LLMs. A known percentage of these trained AI models have been poisoned with a known trigger which induces incorrect behavior. This data will be used to develop software solutions for mitigating that trigger behavior in the trained AI models.

민관협력을 통해 "중소벤처 제조 플랫폼(KAMP)"에 개방한 중소 제조기업이 인공지능(AI) 분석에 활용할 수 있는 24종의 제조AI 데이터셋 정보

인공지능(AI)기반 뇌동맥류 판독 예측 서비스 및 판독 예측 알고리즘 소스코드(2018년 구축) / 의료영상정보(Brain MRA)을 이용하여 뇌동맥류를 진단하는 딥러닝 기반 인공지능 알고리즘 모델 코드 및 학습 결과 파일을 제공 / 본 데이터는 딥러닝 기반 인공지능 알고리즘 구동의 핵심인 모델 알고리즘 부분과 학습 결과물로 생성된 신경망 가중치 파일이 동봉되어 있음 / 본 의료영상(뇌동맥류) 알고리즘은 2017년도 뇌동맥류 알고리즘을 고도화하여 성능을 개선한 자료임

중소기업기술정보진흥원에서 중소중견기업의 인공지능(AI) 및 데이터 기반 제조혁신을 지원하기 위해 보유하고 있는 AI 기반 제조데이터 솔루션 공급기업 정보