sail/longspec-data

该数据集包含了用于训练LongSpec模型的训练数据。它由三个主要文件组成：long_data.jsonl、long_sft_data.jsonl和long_cot_data.jsonl。long_data.jsonl是一个多样化的数据集合，来源于多个数据集，包括prolong-data-64K和arxiv-summarization。这个文件被用作建立广泛文本格式和主题的基础训练集。long_sft_data.jsonl文件是为了增强模型在总结和代码完成方面的特定能力而精心挑选的数据。long_cot_data.jsonl文件则是专注于提高链式推理能力的数据。

This dataset contains the training data for the LongSpec models. It consists of three main files: long_data.jsonl, long_sft_data.jsonl, and long_cot_data.jsonl. long_data.jsonl is a diverse collection of data sources including prolong-data-64K and arxiv-summarization, serving as the foundational training set. long_sft_data.jsonl is curated to enhance specific model capabilities in summarization and code completion. long_cot_data.jsonl is focused on improving chain-of-thought reasoning.