Датасет · YeungNLP
1,15 млн китайских инструкций
YeungNLP/firefly-train-1.1M
1,15 млн примеров инструкций на китайском для обучения диалоговых LLM.
Что внутри
Набор собран из 23 распространённых китайских датасетов; для каждой задачи вручную написаны несколько шаблонов инструкций. Всего около 1,15 млн примеров в формате kind/input/target на китайском. Данные использовались для проекта Firefly — китайской диалоговой LLM; большинство примеров короче 600 токенов.
Что можно сделать
- Провести SFT китайской диалоговой LLM
- Дообучить модель следовать инструкциям
- Настроить LoRA для китайского чат-ассистента
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 3,2 тыс.
- Лайков
- 354
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("YeungNLP/firefly-train-1.1M")