Intellecta

Intellecta数据集是由Bud Ecosystem Inc创建的一个综合性合成数据集，旨在提升当代语言模型的认知处理能力。该数据集包含11.53亿个tokens，其中69.5%为合成数据，30.5%为来自学术出版物的教科书数据。数据集通过Mixtral-8x7B-Instruct-v0.1模型生成，涵盖编程、数学、自然语言处理等多个领域，旨在增强语言模型的复杂思维和教育叙事生成能力。创建过程中，采用动态提示生成系统，确保数据多样性，避免模型过度拟合。Intellecta数据集的应用领域广泛，旨在解决语言模型在复杂认知任务中的局限性，推动AI领域的进步和创新。