tulu-v2-sft-mixture-olmo-4096

# Dataset Card for Tulu V2 Mix (4096 OLMo version)

*Note the [ODC-BY license](https://opendatacommons.org/licenses/by/1-0/), indicating that different licenses apply to subsets of the data. This means that some portions of the dataset are non-commercial. We present the mixture as a research artifact.*

This is a modified version of the [Tulu V2 Mix](https://huggingface.co/datasets/allenai/tulu-v2-sft-mixture) used to train newer (after April 2024) OLMo-SFT/Instruct variants (e.g. [this model](https://huggingface.co/allenai/OLMo-7B-0424-SFT-hf), or [this one](https://huggingface.co/allenai/OLMo-7B-0724-SFT-hf)).
The only difference is that the hardcoded subset (`dataset='hard_coded'`) has been replaced with similar examples about OLMo rather than Tulu.
Please see the original [Tulu V2 Mix dataset card](https://huggingface.co/datasets/allenai/tulu-v2-sft-mixture) for details!

### License
We are releasing this dataset under the terms of [ODC-BY](https://opendatacommons.org/licenses/by/1-0/). By using this, you are also bound by the [Common Crawl terms of use](https://commoncrawl.org/terms-of-use/) in respect of the content contained in the dataset.

# Tulu V2 Mix（4096 OLMo版本）数据集卡片

*请注意其采用[ODC-BY许可协议](https://opendatacommons.org/licenses/by/1-0/)，该协议规定数据集的不同子集适用各异的许可条款。这意味着该数据集的部分内容不得用于商业用途。本混合数据集作为研究用数据集制品发布。

本数据集是为训练2024年4月之后推出的OLMo-SFT/指令微调变体（例如[此模型](https://huggingface.co/allenai/OLMo-7B-0424-SFT-hf)与[此模型](https://huggingface.co/allenai/OLMo-7B-0724-SFT-hf)）而开发的[Tulu V2 Mix](https://huggingface.co/datasets/allenai/tulu-v2-sft-mixture)修改版本。二者唯一差异在于，原硬编码子集（`dataset='hard_coded'`）中的示例已替换为围绕OLMo而非Tulu的相似示例。详细信息请参阅原始[Tulu V2 Mix数据集卡片](https://huggingface.co/datasets/allenai/tulu-v2-sft-mixture)！

### 许可协议
我们依据[ODC-BY](https://opendatacommons.org/licenses/by/1-0/)协议发布本数据集。使用本数据集的用户，同时需遵守[Common Crawl使用条款](https://commoncrawl.org/terms-of-use/)中针对数据集所含内容的相关规定。

搜集汇总

背景与挑战

背景概述

该数据集是Tulu V2 Mix的修改版本，专为训练OLMo-SFT/Instruct模型设计，其中替换了hardcoded子集以包含OLMo相关内容。它采用ODC-BY许可证，部分数据可能限制非商业使用，主要作为研究工具发布。