Датасет · YeungNLP
1,1 млн диалогов MOSS для SFT
YeungNLP/moss-003-sft-data
1,1 млн китайско-английских многоходовых диалогов для инструктивного дообучения чат-моделей.
Что внутри
Датасет содержит около 1,1 млн многоходовых диалогов на китайском и английском языках. Это очищенная версия данных проекта MOSS: удалена избыточная информация и оставлены только полезные реплики. Каждая строка в JSONL — один диалог с conversation_id, категорией и последовательностью реплик.
Что можно сделать
- обучить китайскоязычную чат-модель на SFT
- дообучить LoRA для многоходового диалога
- проверить следование инструкциям
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 393
- Лайков
- 86
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("YeungNLP/moss-003-sft-data")