allenai/olmo-2-hard-coded

Name: allenai/olmo-2-hard-coded
Creator: allenai
Published: 2024-12-02 23:17:29
License: 暂无描述

Hugging Face2024-12-02 更新2024-12-14 收录

下载链接：

https://hf-mirror.com/datasets/allenai/olmo-2-hard-coded

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: cc-by-4.0 ---

提供机构：

allenai

olmo-2-hard-coded

license: cc-by-4.0 ---

魔搭社区2025-07-16 更新50

allenai/OLMoE-mix-0924

OLMoE Mix数据集用于训练OLMoE-1B-7B模型，这是一个包含1B活跃参数和7B总参数的混合专家语言模型。数据集包含多个子集，如DCLM Baseline 1.0、Starcoder、peS2o等，并提供了每个子集的统计信息，如token数、单词数、字节数和文档数。数据预处理包括移除包含32个或更多重复ngrams的文档，并对Starcoder数据集进行了额外的处理。数据集采用Open

Hugging Face2024-12-02 更新120

allenai__OLMo-2-1124-7B-Instruct

该数据集包含1324个训练样本，每个样本包含问题、正确答案、目标、预测、子集以及多个评分和提取的答案字段。数据集的总大小为3732576字节，下载大小为1704941字节。

Hugging Face2025-01-26 更新80

allenai/olmo-mix-1124

OLMo 2 Mix (November 2024)数据集是一个用于训练OLMo-2-1124模型的数据集，主要来源于DCLM-Baseline，未进行额外过滤。数据集包含多个组成部分，如Arxiv、pes2o、starcoder、Algebraic-stack、OpenWebMath和Wiki等，每个部分都有详细的令牌数、字节数、文档数及许可证信息。整个数据集的总令牌数为3.90T，总字节数为2

Hugging Face2025-08-19 更新120

allenai/tulu-3-sft-olmo-2-mixture

OLMo v2 SFT mixture数据集是一个用于训练OLMo模型的多语言数据集，包含939,344个样本。这些样本来自多个不同的子集，每个子集都有不同的许可证。数据集的结构包括每个样本的唯一标识符、用于监督微调的消息格式以及样本的来源数据集。数据集支持多种语言，并且是多语言的。数据集的许可证为ODC-BY-1.0，适用于研究和教育用途。

Hugging Face2024-12-02 更新30