Датасет · unalignment
Токсичные DPO-пары для децензуры
unalignment/toxic-dpo-v0.2
Малый набор токсичных DPO-примеров, показывающий, как быстро снять цензуру модели через direct preference optimization.
Что внутри
Датасет содержит небольшое число (<1K) текстовых примеров с токсичным и «вредным» содержанием, предназначенных для DPO. Многие примеры всё ещё включают предупреждения и дисклеймеры, то есть частично отредактированы. Язык в метаданных не указан; использование требует согласия с токсичностью и ненормативной лексикой.
Что можно сделать
- Проверить устойчивость DPO-пайплайна к децензуре
- Обучить LoRA для эксперимента с unalignment
- Оценить фильтры безопасности на малом токсичном наборе
- Размер
- до 1K записей
- Скачиваний за месяц
- 197
- Лайков
- 145
Модели, обученные на нём
- mradermacher/Qwen2.5-7B-Instruct-Uncensored-GGUF 24,8 тыс.
- WSDW/Qwen2.5-7B-Instruct-Uncensored-Q4_K_M-GGUFГенерация текста 10,1 тыс.
- jondurbin/bagel-dpo-34b-v0.5Генерация текста 9 тыс.
- jondurbin/bagel-8b-v1.0Генерация текста 9 тыс.
- jondurbin/airoboros-70b-3.3Генерация текста 9 тыс.
- jondurbin/airoboros-dpo-70b-3.3Генерация текста 9 тыс.
- QuantFactory/Qwen2.5-7B-Instruct-Uncensored-GGUFГенерация текста 8,5 тыс.
- mradermacher/bagel-34b-v0.5-i1-GGUF 3,8 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("unalignment/toxic-dpo-v0.2")