Asset for CoachLM

Name: Asset for CoachLM
Creator: Liu, Yilun
Published: 2023-10-22T00:00:00+08:00

Figshare2023-10-22 更新2026-04-08 收录

语言模型训练

专家修订样本

数据链接：

https://figshare.com/articles/dataset/Asset_for_CoachLM/24417979/1 数据链接链接失效反馈

官方服务：

资源简介：

The released asset for CoachLM, including the 2.3k expert-revised samples and the training recipes.

提供机构：

Liu, Yilun

创建时间：

2023-10-22

PleIAs/Korean-PD

公共领域作品

语言模型训练

Korean-Public Domain（韩国公共领域）数据集是一个大规模的韩语专著和期刊集合，旨在收集所有韩语公共领域的作品。该数据集包含1,868个标题，共计40,214,255个单词，这些数据来自Internet Archive。每个parquet文件包含随机选择的2,000本书的完整文本。数据集的构建遵循韩国公共领域作品的标准，即作者去世超过70年的出版物。截至2024年3月，为了限制权利

Hugging Face2024-03-21 更新460

optimal-sampling/qwen-1.5-4B-K-100-train

语言模型训练

问题求解生成

--- dataset_info: features: - name: problem dtype: string - name: level dtype: string - name: type dtype: string - name: solution dtype: string - name: prompt dtype: st

Hugging Face2024-09-05 更新100

mehta77/guanaco-llama2-200_1

指令微调

语言模型训练

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 338808 num_examples: 200 download_size: 201258 dataset_size: 338808 configs: - config_na

Hugging Face2023-09-28 更新80

Daniel-P-Gonzalez/OCD

语言模型训练

文本数据清理

Only Clean Data (OCD)是一个精心策划和清理的文本语料库，旨在为训练基础语言模型提供最高质量的文本数据。数据集包括从C4、PLOS和CCOpenBooks等来源筛选的文本，经过手动检查和修复，确保文本质量。目前数据集包含三个子集：经过过滤的网页数据、经过处理的同行评审研究文章以及非小说类书籍。数据集还在持续开发中，计划扩展更多领域的内容。

Hugging Face2023-12-23 更新250

Smilyai-labs/Sam-1-large-identity-and-safety

语言模型训练

身份识别

一个用于教导最新的大型语言模型sam 1了解其身份的_dataset

Hugging Face2025-10-14 更新80