Датасет · openbmb
RL-данные для посттренировки MiniCPM5
openbmb/UltraData-RL-2609
Уточнённые данные с проверяемыми наградами для RL-этапа обучения MiniCPM5-2B на английском и китайском.
Что внутри
Это L3-уточнённый набор внутри L0–L4 системы UltraData, предназначенный для стадии reinforcement learning. Дополняет UltraData-SFT-2605 задачами с проверяемой наградой. Использовался при посттренировке MiniCPM5-2B и в обучении JustRL II. Языки — английский и китайский.
Что можно сделать
- Провести RL-дообучение небольшой LLM
- Обучить модель решать задачи с проверяемой наградой
- Воспроизвести RL-этап MiniCPM5-2B
- Задачи
- Генерация текста, Вопрос-ответ
- Языки
- Английский, Китайский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 3,5 тыс.
- Лайков
- 188
Модели, обученные на нём
- openbmb/MiniCPM5-2BГенерация текста 1 млн
- openbmb/MiniCPM5-2B-DSparkГенерация текста 531,9 тыс.
- openbmb/MiniCPM5-2B-GGUFГенерация текста 471,2 тыс.
- openbmb/MiniCPM5-2B-MLXГенерация текста 183,9 тыс.
- openbmb/MiniCPM5-2B-BaseГенерация текста 12,3 тыс.
- bartowski/MiniCPM5-2B-GGUFГенерация текста 9,2 тыс.
- openbmb/MiniCPM5-2B-SFTГенерация текста 6 тыс.
- mlx-community/MiniCPM5-2B-mlx-4BitГенерация текста 5,6 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("openbmb/UltraData-RL-2609")