Aratako/Synthetic-JP-EN-Coding-Dataset-Magpie-69k

Synthetic-JP-EN-Coding-Dataset-Magpie-69k是一个包含约69000条日语和英语编码对话的数据集，通过应用Magpie方法到多个模型上生成。创建过程中使用了nvidia/Nemotron-4-340B-Instruct、microsoft/Phi-3-medium-4k-instruct、mistralai/Mixtral-8x22B-Instruct-v0.1和cyberagent/calm3-22b-chat等模型。数据集创建过程中没有进行事后过滤，因此可能包含质量较低的记录。

Synthetic-JP-EN-Coding-Dataset-Magpie-69k is a dataset containing approximately 69,000 Japanese and English coding dialogues, generated by applying the Magpie method to multiple models. The models used in the creation process include nvidia/Nemotron-4-340B-Instruct, microsoft/Phi-3-medium-4k-instruct, mistralai/Mixtral-8x22B-Instruct-v0.1, and cyberagent/calm3-22b-chat. No post-hoc filtering was applied during the dataset creation, so it may contain low-quality records.

原始信息汇总

Synthetic-JP-EN-Coding-Dataset-Magpie-69k

概述

• 数据集名称: Synthetic-JP-EN-Coding-Dataset-Magpie-69k
• 数据集大小: 约69000条记录
• 语言: 日语、英语
• 任务类别: 文本生成
• 标签: 代码
• 许可证: Apache 2.0

数据集详情

• 生成方法: 使用Magpie方法生成
• 生成模型:
  • nvidia/Nemotron-4-340B-Instruct
  • microsoft/Phi-3-medium-4k-instruct
  • mistralai/Mixtral-8x22B-Instruct-v0.1
  • cyberagent/calm3-22b-chat
• 生成平台: DeepInfra
• 代码公开: 数据集生成代码公开于此仓库

注意事项

• 数据集未经过事后过滤处理，可能包含质量较低的记录。