Датасет · OpenLeecher
Очищенный lmsys-chat-1m
OpenLeecher/lmsys_chat_1m_clean
Очищенная и категоризированная версия lmsys-chat-1m для обучения и оценки чат-моделей.
Что внутри
Текстовый датасет на английском на основе lmsys-chat-1m. Автор удалил точные дубликаты инструкций с учётом пробелов и пунктуации и разметил данные по категориям. Размер — от 100 тыс. до 1 млн примеров; формат в карточке не указан.
Что можно сделать
- Дообучение instruct-модели на очищенных диалогах
- Оценка чат-модели на устойчивость к дубликатам инструкций
- Классификация типов пользовательских запросов
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 415
- Лайков
- 89
Модели, обученные на нём
- PJMixers-Dev/Granite-3.1-Earthen-v0.3-3B-A800M-GGUFГенерация текста 495
- mradermacher/Granite-3.1-Earthen-v0.3-3B-A800M-i1-GGUF 429
- PJMixers-Dev/Granite-3.1-Earthen-v0.3-1B-A400M-GGUFГенерация текста 398
- mradermacher/Granite-3.1-Earthen-v0.3-1B-A400M-GGUF 398
- KerzgrAI/Senryu-2.2-1BГенерация текста 380
- mradermacher/Gemma-3-Earthen-v0.1-4B-GGUF 368
- mradermacher/minini-140m-it-GGUF 301
- KerzgrAI/Senryu-2.1-1BГенерация текста 263
Как загрузить
from datasets import load_dataset
ds = load_dataset("OpenLeecher/lmsys_chat_1m_clean")