orca-agentinstruct-1M-v1 microsoft
Dataset Card This dataset is a fully synthetic set of instruction pairs where both the prompts and the responses have been synthetically generated, using the AgentInstruct framework. AgentInstruct is an extensible agentic framework for synthetic data generation. This dataset contains ~1 million instruction pairs generated by the AgentInstruct, using only raw text content publicly avialble on the Web as seeds. The data covers different capabilities, such as text editing, creative… See the full description on the dataset page: https://huggingface.co/datasets/microsoft/orca-agentinstruct-1M-v1.
- 유형
- dataset
- 라이선스
- cdla-permissive-2.0
- 언어
- en
- 다운로드
- 1,584
- 좋아요
- 465
- 접근
- public
- 파일
- 0
태그
- 지시 데이터셋
- 합성 데이터
- 명령어 미세조정
- 에이전트
- 코드 생성
- 질문응답
- 대형 언어 모델
- 데이터셋
요약
마이크로소프트가 AgentInstruct 에이전틱 프레임워크로 생성한 완전 합성 지시-응답 데이터셋으로, 웹 공개 텍스트를 시드로 삼아 약 100만 개의 지시문 쌍을 제공합니다. 텍스트 편집, 창작 글쓰기, 코딩, 독해, 질문응답, 추론 등 다양한 능력을 아우르며 모든 기반 LLM의 지시 미세조정에 활용할 수 있습니다. 이 데이터로 학습한 Orca-3-Mistral 모델이 기준 대비 AGIEval 40%, MMLU 19%, GSM8K 54% 향상을 보였습니다.
README
--- language: - en license: cdla-permissive-2.0 size_categories: - 1M<n<10M task_categories: - question-answering dataset_info: features: - name: messages dtype: string splits: - name: creative_content num_bytes: 288747542 num_examples: 50000 - name: text_modification num_bytes: 346421282 num_examp…