Датасет · SargeDev
Корпус для обучения быстрых моделей-судей System One
SargeDev/jev-distill-corpus-v3
Англоязычный датасет из 740 957 примеров для дистилляции компактных классификаторов, оценивающих состояния и решения за один проход.
Что внутри
Внутри находятся 740 957 строк на английском языке с калиброванными типизированными решениями (схемы noul, choice и score). Значительную часть (498 010 строк) занимают синтетические операционные сценарии из 53 доменов, включая бизнес, технику и работу агентов. Данные предназначены для обучения небольших локальных моделей возвращать распределение вероятностей без долгого рассуждения.
Что можно сделать
- Дистилляция быстрых моделей-судей на базе BERT или компактных Qwen
- Обучение классификаторов для мгновенной оценки действий ИИ-агентов
- Калибровка вероятностей при принятии решений в бизнес-процессах
- Задачи
- Классификация текста
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 1,9 тыс.
- Лайков
- 50
Модели, обученные на нём
- autotrust/AutoTrust-Decider-Pro-Vision-27BКартинка + текст 694,8 тыс.
- autotrust/AutoTrust-Decider-Mini-9BКлассификация текста 421,9 тыс.
- autotrust/AutoTrust-Decider-Pro-27BКлассификация текста 255,6 тыс.
- bartowski/RinggAI_ringg-router-e2b-GGUFМультимодальные 3,7 тыс.
- mradermacher/Solar-Decision-JEV-27B-V2-GGUF 3,4 тыс.
- SargeDev/Solar-Decision-JEV-27B-V3-GGUFГенерация текста 2,8 тыс.
- SargeDev/Solar-Decision-JEV-27B-V2-GGUFГенерация текста 2,3 тыс.
- mradermacher/JEV-27B-VL-Uncensored-GGUF 2,3 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("SargeDev/jev-distill-corpus-v3")