Magpie-Align/Magpie-Pro-MT-300K-v0.1|大型语言模型数据集|数据对齐数据集

该数据集是通过Llama 3 70B Instruct模型使用Magpie方法生成的，包含了高质量的指令数据，并经过多轮扩展和过滤。数据集的主要用途是用于监督微调（SFT）模型，以提高模型的性能。数据集包含了300K个高质量的多轮对话实例，这些实例经过了严格的过滤，包括输入质量、输入难度、指令奖励等方面的筛选，并选择了响应最长的数据。

原始信息汇总

数据集信息

特征

• model: 类型为字符串。
• gen_input_config: 结构化数据，包含以下字段：
  • temperature: 类型为浮点数（float64）。
  • top_p: 类型为浮点数（float64）。
• input1: 类型为字符串。
• output1: 类型为字符串。
• input2: 类型为字符串。
• output2: 类型为字符串。
• conversations: 列表类型，包含以下字段：
  • from: 类型为字符串。
  • value: 类型为字符串。
• uuid: 类型为字符串。

数据分割

• train: 包含300,000个样本，占用3,293,376,888字节。

数据大小

• 下载大小: 1,802,127,742字节。
• 数据集大小: 3,293,376,888字节。

配置

• default: 数据文件路径为data/train-*。