dolphin QuixiAI

Dolphin 🐬 https://erichartford.com/dolphin Dataset details This dataset is an attempt to replicate the results of Microsoft's Orca Our dataset consists of: ~1 million of FLANv2 augmented with GPT-4 completions (flan1m-alpaca-uncensored.jsonl) ~3.5 million of FLANv2 augmented with GPT-3.5 completions (flan5m-alpaca-uncensored.jsonl) We followed the submix and system prompt distribution outlined in the Orca paper. With a few exceptions. We included all 75k of CoT in the FLAN-1m… See the full description on the dataset page: https://huggingface.co/datasets/QuixiAI/dolphin.

種別
dataset
ライセンス
apache-2.0
言語
en
ダウンロード
1,541
いいね
434
アクセス
public
ファイル
0

タグ

  • 指示微調整
  • 合成データ
  • 大規模言語モデル
  • テキスト生成
  • 対話データ
  • 英語コーパス
  • テキストデータセット

概要

MicrosoftのOrca論文の手法を再現した、約450万件のFLANv2にGPT-4/GPT-3.5による補完を付与した大規模指示学習データセットです。アライメント拒否・回避・バイアスを除去し、個人用アライメントLoRAを重ねられる「無検閲」モデル作成を目的としています。商用・非商用両方に利用可能なApache-2.0ライセンスで、指示微調整データとして広く活用できます。

README

--- license: apache-2.0 task_categories: - text-generation language: - en configs: - config_name: flan1m-alpaca-uncensored data_files: flan1m-alpaca-uncensored.jsonl - config_name: flan5m-alpaca-uncensored data_files: flan5m-alpaca-uncensored.jsonl --- ドルフィン 🐬 https://erichartford.com/dolphin ## デ…

查看完整页面 · 查看原文