OpenLab-NLP/ko-sft-14.7m

Name: OpenLab-NLP/ko-sft-14.7m
Creator: OpenLab-NLP
Published: 2025-12-20T03:13:10+08:00

Hugging Face2025-11-27 更新2025-12-20 收录

文本生成

问答系统

数据链接：

https://hf-mirror.com/datasets/OpenLab-NLP/ko-sft-14.7m 数据链接链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 task_categories: - question-answering - text-generation language: - ko tags: - chat - qa - instruct size_categories: - 10M<n<100M --- Total rows : 14727342

提供机构：

OpenLab-NLP

andreaparker/wiki-ss-nq-train-overlap-sm

自然语言处理

问答系统

该数据集包含用于训练的信息检索模型的数据，主要包括查询ID、查询内容、正面和负面相关文档以及答案。每个查询都有对应的正面和负面文档列表，每个文档包含文档ID、文本内容和标题。数据集被分割为训练集，包含1000个样本，总大小为139483047.95236582字节。

Hugging Face2024-12-06 更新100

boun-tabilab/TQuad-2

问答系统

自然语言处理

TQuad2最初由Erdem Metin发布，是一个土耳其语的问答数据集。原始数据集只有训练集和验证集，通过特定的分割方法生成了测试集。数据集的结构包括上下文（context）、问题（question）和答案（answers），其中答案是一个列表，每个答案包含起始位置（answer_start）和文本内容（text）。

Hugging Face2025-12-14 更新80

rulins/open_thoughts2_1M_decontaminated

自然语言处理

问答系统

该数据集包含了对话信息、问题、来源、唯一标识符以及一个关于aime24污染的布尔字段。对话信息包括对话的发起者和内容。数据集被划分至少一个部分，名为decon_aime24，包含超过110万个示例。这是一个用于处理对话和问题的大规模数据集，可能用于自然语言处理任务如问答系统或者对话系统。

Hugging Face2025-06-18 更新70

pharaouk/cortex_z

自然语言处理

文本生成

--- dataset_info: features: - name: prompts dtype: string - name: responses dtype: string splits: - name: train num_bytes: 174882975 num_examples: 75747 download_size: 8766

Hugging Face2024-02-08 更新90

FINNUMBER/FINCH_TRAIN_NQA_NEWFORMAT

自然语言处理

问答系统

该数据集包含多个特征字段，包括任务(task)、上下文(context)、问题(question)、答案(answer)、指令(instruction)、输出(output)和一个索引字段(__index_level_0__)。数据集仅包含一个训练集分割，共有31269个示例，总大小为99678849字节。

Hugging Face2024-02-18 更新70

OpenLab-NLP/ko-sft-14.7m

资源简介：

相关数据集