04RR/tiny-instruct

该数据集是从多个开源数据集中整理而来，并进行了去重处理。数据集包含约600万行数据，每行数据包含一个指令和对应的响应，属于单轮对话类型。数据集的具体来源包括代码数据集、数学数据集和通用数据集三类。

The tiny-instruct-v1 dataset is collated from multiple open-source datasets (de-duplicated), containing approximately 6 million rows, each with an instruction and corresponding response (single-turn conversation). The dataset is categorized into code, math, and general types, covering a variety of topics from programming to math problems.

原始信息汇总

tiny-instruct-v1 数据集概述

基本信息

• 许可证: Apache-2.0
• 任务类别: 文本生成
• 语言: 英语
• 数据规模: 1M<n<10M
• 别名: tiny-instruct

数据集描述

该数据集是从多个其他开源数据集（去重后）整理而成，总共有约600万行数据，每行包含一个指令和响应（单轮对话）。

包含的数据集

代码数据集

1. CodeAlpaca_20K
2. CodeExercise-Python-27k
3. Evol-Instruct-Code-80k-v1
4. tiny-codes
5. Evol-instruction-66k
6. sciphi-python-textbook
7. programming_books_llama
8. WizardLM_evol_instruct_70k

数学数据集

1. MetaMathQA
2. arxiv-math-instruct-50k
3. MathInstruct

通用数据集

1. OpenOrca
2. claude_evol_instruct_210k