orca_dpo_pairs

Name: orca_dpo_pairs
Creator: AIWizards
Published: 2024-07-19T08:42:00+08:00

OpenCSG2024-07-19 更新2026-01-19 收录

大语言模型偏好对齐

指令调优优化

数据链接：

https://opencsg.com/datasets/AIWizards/orca_dpo_pairs?tab=summary 数据链接链接失效反馈

官方服务：

资源简介：

OpenOrca数据集包含1.2万个示例，数据格式遵循Orca数据集风格。该数据集采用Apache 2.0许可。

提供机构：

AIWizards

创建时间：

2024-07-19

RyokoAI_Syosetu711K

自然语言处理

文本生成

Syosetu711K 仓库提供了一个包含约 71.17 万部日语小说的文本数据集，这些小说来源于“成为小说家吧”网站。该数据集主要用于文本生成模型的非监督训练，同时也支持文本分类等任务。数据集中每部小说都带有元数据，包括作者、标题、ID、小说长度、积分、质量评分、章节数、关键词、是否为 R15+ 作品、小说类型 ID 和通用小说类型 ID 等信息，方便用户进行筛选和评估。该数据集基于 Apach

OpenCSG2024-07-19 更新210

kelm

知识增强预训练

数据到文本生成

Corpus for Knowledge-Enhanced Language Model Pre-training (KELM) 专注于将知识图谱三元组（主语、关系、宾语）转换为自然语言句子，用于数据到文本的生成任务。该语料库包含约1800万个句子，涵盖约4500万个三元组和约1500个不同的关系，数据来源于英文维基百科及其相关的知识图谱。数据集包括训练集、验证集和测试集，并采用CC BY-SA

OpenCSG2024-07-19 更新140

hkust-nlp/deita-quality-scorer-data

指令调优优化

语言模型优化

--- license: mit language: - en size_categories: - 1K<n<10K --- <img src="https://huggingface.co/datasets/hkust-nlp/deita-images/resolve/main/logo-final.png" alt="Deita banner" width="800" style="mar

Hugging Face2024-01-16 更新120

binding_affinity

蛋白质-配体结合亲和力预测

药物发现

jglaser/binding_affinity 仓库提供蛋白质序列和配体SMILES的结合亲和力数据，共包含190万个独特的配对，适用于微调语言模型。数据来源于BindingDB、PDBbind-cn、BioLIP和BindingMOAD。该仓库提供预处理后的数据集，并支持用户手动进行预处理。用户可以加载预先分割的训练集和验证集，或者选择移除特定蛋白质序列的数据集。

OpenCSG2024-07-19 更新170

aio-passages

文本处理

竞赛数据集

llm-book/aio-passages 仓库提供“AI王”竞赛使用的段落数据集，该数据集包含超过400万条样本，数据内容为文本段落，并带有id、pageid、revid、章节和标题等字段信息。数据来源于cl-tohoku/quiz-datasets，遵循CC BY-SA 3.0和GNU FDL许可协议。

OpenCSG2024-07-19 更新130

orca_dpo_pairs

资源简介：

相关数据集