相关数据集
lmsys-chat-1m-synth
LMSYS-Chat-1M-Synth-Llama3.1-Ja-and-En 是一个日语和英语的合成对话数据集，源自 LMSYS-Chat-1M 数据集。它包括由 Llama 3.1 405B Instruct 生成的用户指令和助手响应。日语部分包含从原始数据集翻译的用户指令和由 Llama 3.1 合成的助手响应。英语部分使用原始的用户指令和相应的助手响应。数据集还包括由 Llama 3.1 7
Hugging Face2024-10-28 更新650
tokyotech-llm/swallow-code-v2
SwallowCode-v2 是一个包含 498 亿个标记的 Apache-2.0 许可证授权的 Python 代码数据集，它是由 The-Stack-v2 数据集通过 LLM 重写流程生成的。该数据集旨在用于可扩展的 LLM 预训练，所有样本都已自动格式化、风格规范化，并通过 LLM 重写流程增强了算法清晰度。数据集的构建过程包括自动格式化、长度过滤、LLM 质量评分、LLM 重写阶段和最终格式
Hugging Face2025-11-08 更新310
tokyotech-llm/lmsys-chat-1m-synth
LMSYS-Chat-1M-Synth-Llama3.1-Ja-and-En是一个包含日语和英语对话的数据集，基于LMSYS-Chat-1M数据集构建，使用了Llama 3.1 405B Instruct模型生成助手的响应。日语部分包括453,889条通过DeepL翻译的用户指令和2,722,314条由Llama 3.1 405B Instruct生成的助手响应。英语部分包括453,737条原始用
Hugging Face2026-02-20 更新190
tokyotech-llm/swallow-code
SwallowCode是一个包含约161亿个Python代码标记的高质量代码数据集。该数据集通过语法验证、pylint风格过滤、风格引导代码重写（SGCR）和自包含优化代码重写（SCOR）的四阶段管道处理，以提高大型语言模型在程序合成和代码生成方面的性能。
Hugging Face2026-03-01 更新480
tokyotech-llm/swallow_english_mt_bench
该数据集包含了问题ID、分类、对话轮次、参考回答和参考模型等信息的记录。它被设计为用于训练某种模型，特别是在对话系统中。数据集分为训练集，提供了字节数和示例数的详细信息。但没有提供具体的数据集内容描述，因此无法确定具体的应用场景或数据集的主题。
Hugging Face2025-08-18 更新210
