Entity6K是微软和卡内基梅隆大学提出的一个全面的、用于现实世界实体识别的数据集。该数据集包含了5,700个实体，涵盖26个类别，每个实体都有5张经过人工验证的图像及其对应的标注（边界框和文本描述）。构建数据集时，研究人员首先通过Wikipedia等资源编制了一个多样化的实体名单，并将其分为26个类别。随后使用这些实体名称作为搜索查询，在Flickr上收集图像并通过Amazon Mechanical Turk进行图像质量评估，确保图像准确代表其对应的实体。Entity6K数据集对于推动开放领域实体识别技术的发展具有重要意义，它不仅提供了一个多样化和高质量的评估基准，还为未来的研究提供了丰富的资源和挑战。