SurgeGlobal/Evol-Instruct|指令进化数据集|文本生成数据集

该数据集基于h2oai/h2ogpt-gm-oasst1-en-2048-falcon-40b-v2模型生成，使用了databricks/databricks-dolly-15k数据集中的种子指令，并通过迭代进化方法生成指令。数据集包含2,304个指令调优样本，每个样本包含指令、响应、进化策略和类别等信息。数据集设计用于自动进化指令数据集，以增强指令的复杂性和多样性，从而训练语言模型执行广泛的任务。

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • 名称: instruction
    • 数据类型: string
  • 名称: response
    • 数据类型: string
  • 名称: category
    • 数据类型: string
  • 名称: evolution_strategy
    • 数据类型: string
  • 名称: in-depth-evolving_operation
    • 数据类型: string
  • 名称: epoch
    • 数据类型: int64
  • 名称: falcon_status
    • 数据类型: string
  • 名称: falcon_rating
    • 数据类型: string
  • 名称: falcon_reason
    • 数据类型: string
  • 名称: gpt4_status
    • 数据类型: string
  • 名称: gpt4_rating
    • 数据类型: string
  • 名称: gpt4_reason
    • 数据类型: string
• 分割:
  • 名称: train
    • 字节数: 4701491
    • 样本数: 2304
• 下载大小: 2438727
• 数据集大小: 4701491

任务类别

• text-generation

语言

• en

数据集生成

• 基础模型: h2oai/h2ogpt-gm-oasst1-en-2048-falcon-40b-v2
• 种子指令: 从 databricks/databricks-dolly-15k 数据集中选出
• 生成方法: 使用对话语法进行深度和广度进化的迭代进化指令
• 总指令数: 2,304 个指令调优数据样本

数据集结构

• 指令
• 响应
• 进化策略 (深度或广度)
• 类别 (原始指令的类别)

用途

• 用于指令数据集的自动进化，增强指令的复杂性和多样性，以训练语言模型执行广泛任务。

引用

@misc{surge2024openbezoar, title={OpenBezoar: Small, Cost-Effective and Open Models Trained on Mixes of Instruction Data}, author={Chandeepa Dissanayake and Lahiru Lowe and Sachith Gunasekara and Yasiru Ratnayake}, year={2024}, eprint={2404.12195}, archivePrefix={arXiv}, primaryClass={cs.CL} }

数据集作者

• Chandeepa Dissanayake, Lahiru Lowe, Sachith Gunasekara, Yasiru Ratnayake