coffee-barista-dataset

Coffee Barista Training Dataset（咖啡师训练数据集）是一个专门用于监督微调（SFT）的中文指令数据集，旨在训练语言模型（如 Qwen2.5-3B-Instruct）成为专业的“金牌咖啡师”。该数据集聚焦于咖啡相关领域，涵盖了文本生成和问答任务。数据规模在1千到1万条之间，当前最新版本（v21）包含1392条高质量样本。数据以JSONL格式存储，每条样本包含四个字段：instruction（指令）、input（输入，通常为空字符串）、output（输出）和 system（系统提示）。该版本已移除“think”标签并包含工具调用（tool call）内容。数据集适用于训练或微调模型以处理咖啡制作、知识问答、顾客服务等专业对话场景。

The Coffee Barista Training Dataset is a specialized Chinese instruction dataset for supervised fine-tuning (SFT), designed to train language models (such as Qwen2.5-3B-Instruct) to become professional gold medal baristas. It focuses on the coffee-related domain and covers text generation and question-answering tasks. The dataset size ranges from 1,000 to 10,000 entries, with the latest version (v21) containing 1,392 high-quality samples. Data is stored in JSONL format, with each sample including four fields: instruction, input (usually an empty string), output, and system prompt. This version has removed the think label and includes tool call content. The dataset is suitable for training or fine-tuning models to handle professional dialogue scenarios such as coffee making, knowledge Q&A, and customer service.

原始信息汇总

数据集概述

名称：Coffee Barista Training Dataset（金牌咖啡师训练数据集）

许可证：MIT

语言：中文（zh）

规模：1,000 至 10,000 条数据（1K < n < 10K）

任务类别：文本生成（text-generation）、问答（question-answering）

标签：咖啡（coffee）、监督微调（sft）、Qwen、中文（chinese）、咖啡师（barista）

模型基准：Qwen2.5-3B-Instruct

数据集内容

• 用途：专为 SFT（监督微调）设计的金牌咖啡师问答数据集。
• 数据格式：JSONL 格式，每行包含四个字段：
  • instruction：指令
  • input：输入（当前为空字符串）
  • output：输出（回答）
  • system：系统提示
• 版本：
  • 当前最新版本 v21，共 1,392 条数据。
  • v21 版本特点：去除了 think 标签，包含工具调用（tool call）。

仓库结构

coffee-barista-dataset/ ├── coffee_latest.jsonl ← 最新版 (当前 v21, 1392条) ├── archive/ │ └── coffee_v21.jsonl ← v21 历史快照 │ └── ... ← 未来迭代 └── README.md

快速加载

python from datasets import load_dataset ds = load_dataset("ynanxiu/coffee-barista-dataset", split="train")

默认加载 coffee_latest.jsonl

搜集汇总

数据集介绍

构建方式

在自然语言处理与指令微调领域，高质量领域数据集至关重要。本数据集专为咖啡师场景设计，基于Qwen2.5-3B-Instruct模型进行监督微调（SFT）构建而成。数据以JSONL格式存储，每条记录包含instruction、input、output及system字段，系统提示词统一设定角色背景。数据集版本迭代清晰，当前最新版为v21，共计1392条样本，积累过程中移除了think标签，并增加了工具调用（tool call）能力，使模型能够模拟真实咖啡师的多轮交互与操作流程。

特点

该数据集兼具专业性与实用性，聚焦中文咖啡师领域，覆盖从咖啡知识问答到操作指令响应的多样化场景。数据规模控制在1K至10K之间，经精心筛选与去重，确保每条样本的高质量与低噪声。版本演进中去除无用的思考标签，使模型输出更为直接精准；引入工具调用字段，赋予模型执行具体操作指令的能力，极大增强了在现实咖啡服务场景中的应用潜力。数据来源于真实交互模拟，保证了领域术语与语境的自然度。

使用方法

使用者可通过Hugging Face的datasets库便捷加载，仅需一行代码即可获取训练集。数据格式统一为JSONL，适配主流微调框架，如transformers、LLaMA-Factory等。加载时默认指向最新版coffee_latest.jsonl文件，便于持续集成与模型迭代。每条样本结构清晰，可直接用于构建对话系统或问答模型的指令微调。建议在加载后按需划分训练验证集，并结合系统提示词强化角色扮演能力，从而训练出一名具备专业咖啡知识且能响应复杂指令的金牌咖啡师助手。

背景与挑战

背景概述

该数据集名为 coffee-barista-dataset，由研究者 ynanxiu 于近期创建，是一个面向中文咖啡师领域的指令微调（SFT）数据集。其核心研究问题在于通过高质量、领域特定的指令数据，提升小型语言模型（如 Qwen2.5-3B-Instruct）在咖啡知识问答与工具调用方面的专业能力。在当前大语言模型微调技术日益成熟的背景下，该数据集填补了咖啡行业垂直领域数据资源的空白，为模型在餐饮服务场景中实现精准、拟人化的智能交互提供了重要支撑，对推动语言模型在特定职业场景中的落地应用具有示范意义。

当前挑战

首先，领域问题层面，该数据集旨在解决通用语言模型在咖啡专业领域知识匮乏、无法进行深度问答和工具调用的挑战。咖啡制作与品鉴涉及大量专业术语、工艺细节及操作流程，现有模型难以准确理解并生成符合行业标准的回复。其次，数据集构建过程中面临数据稀缺与质量控制的挑战：原始数据需由资深咖啡师整理，确保指令与输出对的专业性和准确性；同时需人工审核去噪、去除无关标记（如 think 标签），并维护多版本迭代（当前 v21 版本含 1392 条数据），以平衡数据规模与标注成本。

常用场景

经典使用场景

在智能客服与垂直领域对话系统的研究浪潮中，咖啡冲煮知识问答与技能指导因其专业性与复杂性，成为检验大语言模型领域适应能力的典型场景。Coffee Barista数据集专为微调通义千问2.5-3B-Instruct等中规模语言模型而设计，收录了1392条高质量的中文指令数据，涵盖咖啡豆品鉴、冲煮参数调优、设备操作等专业知识。研究者可通过监督微调使模型掌握金牌咖啡师级别的问答逻辑，并支持工具调用能力，从而在特定知识密集型任务中实现精准的知识检索与自然语言生成。该数据集以其精巧的规模与清晰的领域边界，为探索小样本垂直领域大模型对齐提供了理想的实验平台。

衍生相关工作

基于Coffee Barista数据集，研究者已衍生出多项具有启发性的工作。在模型层面，该数据集被用于探索QLoRA等参数高效微调方法在极低资源下对Qwen系模型的知识注入效果；在评测维度上，催生了面向咖啡领域的多轮对话质量评估基准，以及工具调用行为的细粒度分析框架。此外，数据集的渐进式版本迭代模式（如从去除冗余标记到新增工具调用）启发了多阶段SFT策略的研究，为构建动态更新且保持知识一致性的领域数据集提供了方法论参考。这些工作共同推动了专业小数据集与大模型能力边界研究的交叉融合。

数据集最近研究

最新研究方向

在当前大语言模型微调技术日臻成熟的时代背景下，该数据集聚焦于将通用语言模型（如Qwen2.5-3B-Instruct）适配至垂直领域的精细化调优，以咖啡师专业知识问答与生成任务为核心，结合SFT（监督微调）方法与工具调用能力，探索在特定行业场景中构建高精度、低幻觉的对话智能体。其最新研究方向涵盖中文领域模型的轻量化适配、行业知识注入与行为对齐，以及通过迭代式版本管理（如v21去think标签并引入tool call）来优化模型的实用交互能力，为餐饮等服务业领域的AI落地提供了可复用的数据基础与创新范式。