Датасет · Modotte
Синтетический SFT-датасет CodeX-2M-Thinking
Modotte/CodeX-2M-Thinking
Синтетические тексты на английском для instruction tuning и fine-tuning моделей генерации ответов.
Что внутри
Датасет полностью синтетический: собран из качественных публичных источников и дополнен данными, сгенерированными закрытыми и открытыми моделями. Это часть линейки CodeX от Modotte, ориентированная на instruction-based tuning и fine-tuning. Язык — английский, объём — от 1 до 10 млн примеров.
Что можно сделать
- Дообучить instruct-модель на синтетических SFT-данных
- Настроить LoRA для генерации ответов
- Проверить качество синтетического датасета для fine-tuning
- Задачи
- Генерация текста, Вопрос-ответ
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 1,1 тыс.
- Лайков
- 131
Модели, обученные на нём
- mradermacher/Atem-8B-i1-GGUF 2,2 тыс.
- mradermacher/Atem-v1-1.5B-i1-GGUFГенерация текста 710
- mradermacher/Atem-Pharaoh-3B-i1-GGUFГенерация текста 599
- mradermacher/Atem-0.6B-i1-GGUF 586
- mradermacher/Atem-Wisdom-1.5B-i1-GGUFГенерация текста 557
- mradermacher/Atem-4B-i1-GGUF 446
- EphAsad/Atem-v1-1.5BГенерация текста 387
- mradermacher/Atem-v1-1.5B-GGUFГенерация текста 336
Как загрузить
from datasets import load_dataset
ds = load_dataset("Modotte/CodeX-2M-Thinking")