lemon07r/VellumK2-Fantasy-DPO-Large-01

VellumK2-Fantasy-DPO-Large-01是一个大规模的合成奇幻小说数据集，包含10,222高质量的首选对，用于直接偏好优化（DPO）训练。该数据集使用VellumForge2与Kimi K2和Phi-4生成，每行包含一个创意写作提示，一个高质量的“首选”响应和一个低质量的“拒绝”响应，旨在为DPO训练提供清晰的偏好信号。数据集支持多种训练模式，包括DPO训练和监督微调。这个大规模数据集非常适合生产规模的DPO训练，独立训练高质量奇幻小说生成，作为多领域创意写作系统的基础，以及在创意领域进行大规模偏好学习的研究。

VellumK2-Fantasy-DPO-Large-01 is a large-scale synthetic fantasy fiction dataset with 10,222 high-quality preference pairs for Direct Preference Optimization (DPO) training, generated using VellumForge2 with Kimi K2 and Phi-4. This production-ready dataset provides robust training signal for creative writing alignment and serves as the flagship large-scale release in the VellumForge2 collection.