Датасет · HumanLLMs
DPO-датасет для человечных ответов
HumanLLMs/Human-Like-DPO-Dataset
Пары предпочтений для DPO, чтобы ответы LLM были более разговорными и вовлекающими.
Что внутри
Датасет создан в исследовании по улучшению разговорной беглости и вовлечённости больших языковых моделей. Подходит для форматов вроде Direct Preference Optimization (DPO). Язык — английский, размер — от 10 тыс. до 100 тыс. записей. В карточке упомянуты статья, принятая на AAAI-26 Workshop on Personalization (PerFM), и ссылки на модели и датасет.
Что можно сделать
- DPO-дообучение LLM для человечного стиля
- Проверить preference optimization на диалогах
- Обучить LoRA для разговорчивости
- Языки
- Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 1,7 тыс.
- Лайков
- 273
Модели, обученные на нём
- reaperdoesntknow/DeepReasoning_1RГенерация текста 1,9 тыс.
- mradermacher/Humanish-Mistral-Nemo-Instruct-2407-i1-GGUF 771
- mradermacher/Human-Like-DPO-Qwen3-4B-Instruct-2507-i1-GGUF 719
- maf1oz1/llm-course-hw2-ppoГенерация текста 716
- ketimiroshnik/llm-course-hw2-dpoГенерация текста 691
- andkil/llm-course-hw2-ppoГенерация текста 636
- morz1k3/llm-course-hw2-ppoГенерация текста 623
- mradermacher/Human-Like-LLama3-8B-Instruct-i1-GGUF 553
Как загрузить
from datasets import load_dataset
ds = load_dataset("HumanLLMs/Human-Like-DPO-Dataset")