totally-not-an-llm/EverythingLM-data-V3

EverythingLM V3是一个多样化的指令数据集，包含大约1.1k个sysprompt-user-assistant三元组，这些三元组是使用evol-instruct和Orca的原则生成的。数据集涵盖了广泛的主题和交互。与V2版本相比，V3使用了不同版本的GPT-4、动态调整的温度、增加了8个新类别、引入了Flesch提示、增加了10%的数据、改进了过滤方法，并优化了数据集生成流程。类别的分布图显示了生成时的数据分布，但经过轻微过滤后，实际值可能略有不同。

原始信息汇总

EverythingLM V3 数据集

EverythingLM V3 是一个多样化的指令数据集，包含约 1.1k 个系统提示-用户-助手三元组。这些数据是基于 evol-instruct 和 Orca 的原则生成的，涵盖了广泛的主题和交互。

V3 与 V2 的区别

• 使用 march gpt-4 而非最新版本
• 根据任务动态调整温度
• 更加多样化（新增 8 个类别）
• 增加了 Flesch 提示
• 数据量增加 10%
• 更好的过滤机制
• 整体数据集生成流程更加精细

类别分布

*这些数值代表生成时的数据，但经过轻微过滤，因此实际数值可能略有不同。