Датасет · TIGER-Lab
Инструкции с критикой ответов для обучения LLM
TIGER-Lab/WebInstruct-CFT
Англоязычный датасет на 100K–1M примеров с разбором ошибок в ответах для обучения моделей через критику.
Что внутри
Набор текстовых данных на английском языке объемом от 100 тысяч до 1 миллиона записей, созданный на базе WebInstruct. В отличие от обычных SFT-датасетов с эталонными ответами, здесь содержатся критики готовых ответов. Датасет выпущен командой TIGER-Lab вместе с научной статьей и обученными моделями на 7B и 32B параметров.
Что можно сделать
- Дообучение LLM методом Critique Fine-Tuning (CFT) для поиска ошибок в рассуждениях
- Обучение моделей-критиков и верификаторов для оценки генераций
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 2,2 тыс.
- Лайков
- 60
Модели, обученные на нём
- mradermacher/Qwen2.5-32B-Instruct-CFT-i1-GGUF 1,2 тыс.
- bartowski/TIGER-Lab_Qwen2.5-32B-Instruct-CFT-GGUFГенерация текста 1,1 тыс.
- mradermacher/Qwen2.5-Math-7B-CFT-i1-GGUF 908
- mradermacher/Qwen2.5-32B-Instruct-CFT-GGUF 345
- mradermacher/Qwen2.5-Math-7B-CFT-GGUF 171
- tensorblock/Qwen2.5-32B-Instruct-CFT-GGUFГенерация текста 86
- TIGER-Lab/Qwen2.5-Math-7B-CFTГенерация текста 64
- TIGER-Lab/Qwen2.5-32B-Instruct-CFTГенерация текста 38
Как загрузить
from datasets import load_dataset
ds = load_dataset("TIGER-Lab/WebInstruct-CFT")