BNNT/mozi_general_instructions_3m

--- license: apache-2.0 --- Sources are listed below: Chinese General Instruction 2000k BELLE https://huggingface.co/datasets/BelleGroup/train_2M_CN English generic instruction 52k alpaca-gpt4 https://github.com/Instruction-Tuning-with-GPT-4/GPT-4-LLM Chinese generic dialog instructions 800k BELLE https://huggingface.co/datasets/BelleGroup/multiturn_chat_0.8M English Universal Dialog Instruction 94k sharegpt_vicuna https://huggingface.co/datasets/jeffwan/sharegpt_vicuna Chinese-English-Japanese Universal Command 49k https://huggingface.co/datasets/JosephusCheung/GuanacoDataset/tree/main

原始信息汇总

数据集概述

数据集来源及类型

1. 中文通用指令数据集：包含200万条数据，来源于BELLE项目，链接为Chinese General Instruction 2000k BELLE。
2. 英文通用指令数据集：包含5.2万条数据，来源于alpaca-gpt4项目，链接为English generic instruction 52k alpaca-gpt4。
3. 中文通用对话指令数据集：包含80万条数据，来源于BELLE项目，链接为Chinese generic dialog instructions 800k BELLE。
4. 英文通用对话指令数据集：包含9.4万条数据，来源于sharegpt_vicuna项目，链接为English Universal Dialog Instruction 94k sharegpt_vicuna。
5. 中英日通用指令数据集：包含4.9万条数据，来源于JosephusCheung/GuanacoDataset项目，链接为Chinese-English-Japanese Universal Command 49k。

许可证

• 所有数据集均遵循Apache-2.0许可证。