instruction-pretrain/ft-instruction-synthesizer-collection

该数据集包含用于上下文指令合成器的微调数据集合，用于研究指令预训练：语言模型是监督的多任务学习者。数据集涵盖了多种任务类型，如文本分类、表格问答、问答和零样本分类，均为英文。这些数据集用于生成指令-响应对，以预训练语言模型，旨在提高其相对于传统预训练方法的性能。README文件还提供了如何格式化和使用这些数据集进行微调的示例。

原始信息汇总

数据集概述

数据集配置

• squad:
  • 训练数据路径: squad/shard/*.jsonl
• TopiOCQA:
  • 训练数据路径: TopiOCQA/shard/*.jsonl
• HotpotQA:
  • 训练数据路径: HotpotQA/shard/*.jsonl
• WikiTableQuestions:
  • 训练数据路径: WikiTableQuestions/shard/*.jsonl
• Quac:
  • 训练数据路径: Quac/shard/*.jsonl
• QED:
  • 训练数据路径: QED/shard/*.jsonl
• FairyTaleQA:
  • 训练数据路径: FairyTaleQA/shard/*.jsonl
• mctest:
  • 训练数据路径: mctest/shard/*.jsonl
• NarrativeQA:
  • 训练数据路径: NarrativeQA/shard/*.jsonl
• race:
  • 训练数据路径: race/shard/*.jsonl
• race_c:
  • 训练数据路径: race_c/shard/*.jsonl
• ReClor:
  • 训练数据路径: ReClor/shard/*.jsonl
• LogiQA:
  • 训练数据路径: LogiQA/shard/*.jsonl
• AQUA_RAT:
  • 训练数据路径: AQUA_RAT_yes_opt/shard/*.jsonl
• dream:
  • 训练数据路径: dream/shard/*.jsonl
• TriviaQA:
  • 训练数据路径: TriviaQA/shard/*.jsonl
• NLQuAD:
  • 训练数据路径: NLQuAD/shard/*.jsonl
• NewsQA:
  • 训练数据路径: NewsQA/shard/*.jsonl
• tweet_qa:
  • 训练数据路径: tweet_qa/shard/*.jsonl
• quail:
  • 训练数据路径: quail/shard/*.jsonl
• multirc:
  • 训练数据路径: multirc/shard/*.jsonl
• ROPES:
  • 训练数据路径: ROPES/shard/*.jsonl
• QuaRTz:
  • 训练数据路径: QuaRTz/shard/*.jsonl
• CoQA:
  • 训练数据路径: CoQA/shard/*.jsonl
• DoQA:
  • 训练数据路径: DoQA/shard/*.jsonl
• CosmosQA:
  • 训练数据路径: CosmosQA/shard/*.jsonl
• qasper:
  • 训练数据路径: qasper/shard/*.jsonl
• PubMedQA_no_opt:
  • 训练数据路径: PubMedQA_no_opt/shard/*.jsonl
• PubMedQA_yes_opt:
  • 训练数据路径: PubMedQA_yes_opt/shard/*.jsonl
• COVID_QA:
  • 训练数据路径: COVID_QA/shard/*.jsonl
• ConvFinQA:
  • 训练数据路径: ConvFinQA/shard/*.jsonl
• SpartQA:
  • 训练数据路径: SpartQA/shard/*.jsonl
• bAbI:
  • 训练数据路径: bAbI/shard/*.jsonl
• QASC:
  • 训练数据路径: QASC/shard/*.jsonl
• ECQA:
  • 训练数据路径: ECQA/shard/*.jsonl

任务类别

• 文本分类
• 表格问答
• 问答
• 零样本分类

语言

• 英语