每条数据为<问题，篇章，候选答案>三元组组成，每个问题对应一个篇章（500字以内），以及包含正确答案的三个候选答案。
问题：真实用户自然语言问题，从搜索日志中随机选取并由机器初判后人工筛选
候选答案：人工生成的答案，提供若干（三个）选项，并标注正确答案
训练集：105,000条
验证集：15,000条
测试集A：15,000条
测试集B：200,000条
训练集：1300万
验证集：8000
测试集A：8000
测试集B：8000
数据集共包含20万条短视频，涵盖舞蹈、健身、唱歌等63类流行元素，分为训练集（12万）、验证集（3万）、测试集A（3万）、测试集B（3万）。大部分视频的长度为5-15秒。
本数据集采用多标签分类体系，标签信息包含视频主体、场景、动作等多个维度，标注信息将尽量包含视频中展现的所有元素，每条视频有1-3个标签。
相较于传统视频数据集来说，本数据集更具特色。本数据集视频采集设备多为手机且比例多为竖屏；数据集中的很多视频使用了短视频特效，并包含更多视频快进、剪辑等操作；从视频内容上讲，本数据集包含了更多人物中心化的自拍短视频内容。
数据连续性较好，缺失样本（-9999.）很少，并通过NetCDF4格式共同存储于单个nc文件中。「观测」集逐时记录当前气象观测站点的9个地面气象要素，通过气象仪器实时监测得到；「睿图」集包含地面和特征气压层共计29个气象要素，由数值预报模式在超级计算机上运算产生。
训练集：1188天样本
验证集：89天样本
测试A集：包含两个数据集，分别为2018年8月29日至9月24日和2018年8月29日至10月15日，分别有27天和48天样本
测试B集：包含7个数据集，全部以2018年8月29日为起始日期，以10月28日至11月3日分别为结束日期，分别有61–67天样本
标注图片50,000张、包含10种植物的27种病害。
本数据集合由上海新客科技和创新工场联合打造。数据集有61个分类（按「物种-病害-程度」分），10个物种，27种病害（其中24个病害有分一般和严重两种程度），10个健康分类，47393张图片。每张图包含一片农作物的叶子，叶子占据图片主要位置。数据集随机分为训练（70%）、验证（10%）、测试A（10%）与测试B（10%）四个子数据集。其中，训练集有32,739张图片，验证集有4,982张图片，测试集A有4,959张图片，测试集B有4,957张图片。
视网膜水肿是一种常见的眼部病理改变，会导致不同程度的视力下降，从而影响正常的生活。尽早的发现水肿症状，能够对疾病的诊断和治疗起到重要的作用。如今临床上使用OCT（光学相干断层成像）辅助医生对视网膜水肿进行判断。
主办方提供了眼部OCT样本的图像数据集，由专业眼科医生分别对三种类型的水肿进行标注，数据量达到100个OCT体数据，每个体数据128张图片。这是国内首个眼底病变医学图像检测竞赛，使用了目前最大的眼底病变数据集，是一次AI与医学技术的结合
本数据集由创新工场、北京大学王亦洲教授和复旦大学付彦伟教授联合构造。属性标注对于实现图像理解、知识迁移具有重要意义。
本数据集共78,017张图片，可划分为5个超类（super-class），分别是动物（Animals）、水果（Fruits）、交通工具（Vehicles）、电子产品（Electronics）、发型（Hairstyles）。其中，动物和水果属于自然产物，交通工具和电子产品属于人造物，发型属于抽象概念。每个超类分别包含A:50,F:50,V:50,E:50,H:30个类别，总计230个类别。对于每个超类（super-class），分别设计了A:123,F:58,V:81,E:75,H:22个属性，共359个属性。每张图片只包含一个前景物体，标注了标签和物体包围框。对于每个类别，随机挑选了20张图片进行属性标注。
训练集所有图片均标注了标签和包围框。对于部分图片（20张/类），标注了二值属性，属性值为0或1，表示属性「存在」或「不存在」。