Датасет · HuggingFaceH4
Отфильтрованные диалоги для SFT чат-моделей
HuggingFaceH4/ultrachat_200k
200 тыс. отфильтрованных диалогов на английском, использованных для обучения Zephyr-7B-β.
Что внутри
Это сильно отфильтрованная версия UltraChat: из исходных 1,4 млн диалогов, сгенерированных ChatGPT, отобрали подмножество для более быстрого SFT. В наборе диалоги на английском по широкому кругу тем; размер от 100 тыс. до 1 млн. Датасет использовали для обучения Zephyr-7B-β. Формат — текстовые диалоги.
Что можно сделать
- Обучить чат-модель или LoRA на SFT-диалогах
- Проверить качество инструктивного дообучения
- Сравнить с другими SFT-наборами для чат-ботов
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 81,1 тыс.
- Лайков
- 1,2 тыс.
Модели, обученные на нём
- TinyLlama/TinyLlama-1.1B-Chat-v1.0Генерация текста 965,5 тыс.
- HuggingFaceH4/zephyr-7b-betaГенерация текста 66,6 тыс.
- M4-ai/TinyMistral-248M-v2-Instruct-GGUF 55 тыс.
- protectai/deberta-v3-base-prompt-injectionКлассификация текста 35,1 тыс.
- stabilityai/stablelm-zephyr-3bГенерация текста 24 тыс.
- bartowski/dolphin-2.9-llama3-8b-GGUFГенерация текста 19,9 тыс.
- dphn/dolphin-2.9.2-mixtral-8x22bГенерация текста 9,2 тыс.
- princeton-nlp/Llama-3-8B-ProLong-64k-InstructГенерация текста 9,1 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("HuggingFaceH4/ultrachat_200k")