这是一个包含218,801,883个token（使用Mistral tokenizer）的数据集，数据来源于4chan。原始数据缺少换行和聊天结构，因此通过脚本引入了聊天结构，寻找回复链。接着，使用Hermes Llama 3.1 8B模型处理了2.5M个样本，其中包含大约3000个固定的提示token和动态添加的218M个token，输出了大约218M个token来生成这个数据集。作者计划进一步

Hugging Face2024-10-11 更新150

adamo1139/AEZAKMI_v1

语言模型

AI训练

该数据集基于airoboros 2.2.1，移除了orca和gptslop样本。使用该数据集训练的模型可能会比基础airoboros模型更容易产生幻觉，因为移除了许多让模型意识到自己不是人类而是AI且没有物理身体的样本。此外，使用该数据集训练的非llama模型应该很少或不会发出拒绝响应，并且听起来更像人类而不是无菌的GPT-4。llama 2基础模型可能不会表现出这些特性，因为它们是用gptslo

Hugging Face2023-11-27 更新130

adamo1139/basic_economics_questions_ts_test_4

资源简介：

数据集许可证

相关数据集