Датасет · HuggingFaceTB
Синтетические SFT-примеры для инструкций
HuggingFaceTB/smoltalk
1 млн синтетических примеров для SFT, на которых обучали семейство SmolLM2-Instruct.
Что внутри
Синтетический датасет для supervised finetuning (SFT) языковых моделей. Содержит 1 млн примеров и использовался при создании семейства SmolLM2-Instruct. Авторы собрали его, чтобы закрыть разрыв с проприетарными инструкционными данными; язык — английский, формат — текст и табличные данные.
Что можно сделать
- SFT-дообучение инструкционной LLM
- Обучение LoRA для чат-модели
- Сравнение с публичными SFT-наборами
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 50,8 тыс.
- Лайков
- 466
Модели, обученные на нём
- dphn/Dolphin3.0-Llama3.1-8B-GGUF 54 тыс.
- bartowski/cognitivecomputations_Dolphin3.0-Mistral-24B-GGUFГенерация текста 51,9 тыс.
- bartowski/Dolphin3.0-Llama3.1-8B-GGUFГенерация текста 28,7 тыс.
- bartowski/Dolphin3.0-Llama3.2-3B-GGUFГенерация текста 14,3 тыс.
- bartowski/cognitivecomputations_Dolphin3.0-R1-Mistral-24B-GGUFГенерация текста 11,2 тыс.
- bartowski/Dolphin3.0-Qwen2.5-3b-GGUFГенерация текста 11,1 тыс.
- bartowski/Dolphin3.0-Qwen2.5-1.5B-GGUFГенерация текста 7,4 тыс.
- bartowski/Dolphin3.0-Llama3.2-1B-GGUFГенерация текста 6,4 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("HuggingFaceTB/smoltalk")