Датасет · sunzeyeah
Китайский корпус для SFT и RLHF
sunzeyeah/chinese_chatgpt_corpus
Китайские тексты для supervised finetuning и RLHF в jsonl-файле примерно на 5 ГБ.
Что внутри
Датасет на китайском языке для обучения с учителем (SFT) и RLHF. В карточке указан файл train_data_external_v1.jsonl размером около 5,04 ГБ. Диапазон размера — от 1 до 10 млн примеров; подробности сбора не раскрыты.
Что можно сделать
- SFT китайской языковой модели
- Обучение reward-модели для RLHF
- Дообучение на вопросах и ответах
- Задачи
- Генерация текста, Вопрос-ответ, Обучение с подкреплением
- Языки
- Китайский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 268
- Лайков
- 89
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("sunzeyeah/chinese_chatgpt_corpus")