Xuhui/sft_processed_large

Name: Xuhui/sft_processed_large
Creator: Xuhui
Published: 2026-04-25 23:02:02
License: 暂无描述

Hugging Face2026-04-25 更新2026-05-03 收录

下载链接：

https://hf-mirror.com/datasets/Xuhui/sft_processed_large

下载链接

链接失效反馈

官方服务：

资源简介：

用于用户模拟器中期训练的规模化监督微调（SFT）语料库。

Scale-up SFT corpus for user-simulator midtraining.

提供机构：

Xuhui

Xuhui/sft_processed_large_split

这是Xuhui/sft_processed_large数据集的训练/验证/测试分割版本，称为sft_processed_large — profile-disjoint split。该数据集是OdysSim中期训练语料库，包含63个不同数据集的21.4M交互数据。数据集主要用于文本生成任务，测试集采用了profile-disjoint的分割方式，以确保模型能够处理新角色，而不仅仅是记忆训练集中的(

Hugging Face2026-04-28 更新10

Xuhui/human-sim

用于用户模拟的已处理数据集。每行代表一个用户，包含分组的对话。数据集包含多个子数据集，如OpenAssistant_oasst2、Anthropic_hh-rlhf等，每个子数据集都有训练和测试分割，并提供了用户数量统计。数据模式描述了数据的结构，包括用户ID、用户元数据以及包含消息和元数据的对话列表。

Hugging Face2026-04-25 更新30

bosch_writer_sft_processed

该数据集包含样本ID、检索设置、问题、上下文、响应、答案句子分词、句子标签、类别标签、是否未回答标志、标签和提示等字段。它似乎被设计用于某种问答或文本分类任务，包含750个训练样本，但没有提供详细的背景或使用场景描述。

Hugging Face2025-03-20 更新50

processed_sft_data

该数据集是一个包含大量文本输入输出对和会话信息的文本数据集，适用于机器学习模型训练，尤其是对话系统。它由四个部分组成，总共有约37万个示例，每个示例都包括URL、清理后的输入文本、清理后的输出文本以及会话信息（包括内容和角色）。

Hugging Face2025-06-15 更新30

Xuhui/sim-posttrain

HUMANUAL后训练数据是一个用于用户模拟任务的数据集，包含多种配置，涵盖了新闻、政治、观点、书评、聊天和电子邮件回复等多个领域。数据集还包括专门的评估集，如UserLM评估、错误评估、Social-R1评估、SocSci210和HumanLLM项目选择，每个评估集都有特定的用例和评估标准。数据集的结构详细，每个配置的字段和用途都有明确说明。该数据集旨在用于Harmony中的RL后训练和评估，并

Hugging Face2026-04-30 更新30