Joint-240 SBS分歧与单步反事实动作结果数据集
该数据集来自240个独立随机种子的Joint-240场景，为历史探索性合成模拟器数据，包含8,886条保留的SBS分歧状态-上下文记录和236个场景的21,854个替代动作终态结果，每个替代动作后接固定SBS延续
基本信息
资源简介
Joint-240 SBS分歧与单步反事实动作结果数据集
Joint-240 SBS Disagreement and One-Step Counterfactual Action Outcomes
该数据集来自240个独立随机种子的Joint-240场景，为历史探索性合成模拟器数据，包含8,886条保留的SBS分歧状态-上下文记录和236个场景的21,854个替代动作终态结果，每个替代动作后接固定SBS延续。数据保留正、负、零效应（原始1e-12阈值下ANWG类别分别为2,573/3,624/15,657），排除98个未解决的历史重叠键及已公开的参考效用与可学习性聚合。该数据非Performance Evaluation稿件（PEVA-D-26-00474）的生产衍生确证证据，而是用于支撑固定SBS参考的历史探索性模拟器证据，可用于反事实评估与调度策略研究（来源 DOI 解析，Creative Commons Attribut。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：来自240个独立随机种子的Joint-240场景的历史探索性合成模拟器数据集。本次发布包含8,886条保留的SBS分歧状态-上下文记录，以及来自236个已代表场景的21,854个替代动作终态结果。每个替代动作后接固定SBS延续。本次发布保留正、负、零效应（原始1e-12阈值下ANWG类别分别为2,573/3,624/15,657），排除98个未解决的历史重叠键，并排除已公开的参考效用与可学习性聚合。该数据集不是Performance Evaluation稿件（PEVA-D-26-00474）的生产衍生确证证据。它是用于支撑固定SBS参考的历史探索性模拟器证据。规范来源：GitHub v1.0.0目录。数据许可：CC BY 4.0。父仓库中的软件仍为MIT许可。
【主题与分类】
主题标签：LLM serving、scheduling、counterfactual evaluation、synthetic simulator、SBS、ANWG、Joint-240。本站分类：呼吸道疾病/急性呼吸窘迫综合征。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23398347
使用许可：Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.23398347
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 4.9 MB。
数据说明
来自240个独立设种子的Joint-240场景的历史探索性合成模拟器数据集。本次发布包含8,886条保留的SBS分歧状态-上下文记录，以及来自236个代表性场景的21,854个替代动作终局结果。每个替代动作之后均跟随固定的SBS延续。本次发布保留了正向、负向和零效应（在原始1e-12阈值下分别为2,573 / 3,624 / 15,657个ANWG类别），排除了98个未解决的历史重叠键，并排除了已公开的参考效用和可学习性聚合数据。本数据集并非Performance Evaluation稿件中源自生产环境的验证性证据（PEVA-D-26-00474）。它是用于支撑固定SBS参考的历史探索性模拟器证据。规范来源：GitHub v1.0.0目录。数据许可证：CC BY 4.0。父仓库中的软件仍采用MIT许可证。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
