高等教育考研咨询垂直领域数据集

This dataset is a comprehensive corpus focused on the Chinese Postgraduate Entrance Examination (Kaoyan) domain. It integrates high-value structured data, such as historical admission scores and enrollment catalogs, with unstructured instruction data including general Q&A and candidate experiences. It is specifically designed to facilitate the training of Large Language Models (LLMs) in the education sector, enabling applications like Retrieval-Augmented Generation (RAG) for precise policy consultation and Supervised Fine-Tuning (SFT) for personalized exam planning.本数据集是一个专注于中国研究生入学考试（考研）垂直领域的综合语料库。数据集整合了历年录取分数线、招生专业目录等高价值结构化数据，以及通用问答、试卷分析和考生经验等非结构化指令数据。该数据集旨在助力教育领域的大语言模型（LLM）训练，特别适用于构建基于检索增强生成（RAG）的精准咨询系统，以及进行指令微调（SFT）以提升模型在备考规划和政策解读方面的能力。

本数据集为聚焦中国研究生入学考试（考研）领域的综合语料库，整合了历年录取分数线、招生专业目录等高价值结构化数据，以及通用问答、考生经验等非结构化指令数据。该数据集旨在助力教育领域大语言模型（Large Language Model）的训练，可支撑面向精准政策咨询的检索增强生成（Retrieval-Augmented Generation，RAG）应用开发，以及面向个性化备考规划的监督微调（Supervised Fine-Tuning，SFT）训练。

搜集汇总

背景与挑战

背景概述

该数据集是一个专注于考研与高校招生教育领域的垂直语料库，包含知识性文本（CPT）和问答式指令微调数据（SFT），内容涵盖招生目录、政策解读、院校概况、历年分数线、考试结构解析及备考经验。数据来源于研招网、各高校研究生院官网和公开经验分享贴，适用于教育领域大模型微调、检索增强生成知识库构建和领域适应连续预训练等场景。