Датасет · inclusionAI
Инструктивный SFT-датасет для кодовых моделей
inclusionAI/Ling-Coder-SFT
Крупный корпус пар «инструкция — код» на английском и китайском языках для SFT-обучения языковых моделей.
Что внутри
Репозиторий содержит SFT-подвыборку из набора данных проекта Ling-Coder, на которой обучалась модель Ling-Coder Lite. В карточке заявлено более 5 миллионов текстовых примеров для генерации кода (в просмотрщике Hugging Face отображается около 4,48 млн строк в формате parquet) на английском и китайском языках. В каждом примере хранятся диалоги с постановкой задачи по программированию и развёрнутым решением.
Что можно сделать
- SFT-дообучение LLM и LoRA-адаптеров для генерации и объяснения кода
- Создание двуязычных (англо-китайских) ИИ-ассистентов для разработчиков
- Задачи
- Генерация текста
- Языки
- Английский, Китайский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 1,7 тыс.
- Лайков
- 46
Модели, обученные на нём
- inclusionAI/Ling-Coder-liteГенерация текста 2,4 тыс.
- mradermacher/Ling-Coder-lite-GGUF 1 тыс.
- mradermacher/Ling-Coder-lite-i1-GGUF 915
- ali-sys-1370/Ling-Coder-lite-Q4_K_M-GGUFГенерация текста 429
- SnifferCaptain/YModel2-s-2Генерация текста 49
- SnifferCaptain/YModel2-s0Генерация текста 47
- NikolayKozloff/Ling-Coder-lite-Q4_K_M-GGUFГенерация текста 43
- SnifferCaptain/ymodel3-n1Генерация текста 32
Как загрузить
from datasets import load_dataset
ds = load_dataset("inclusionAI/Ling-Coder-SFT")