首页/数据集/Ablation experiment of removing chunked instruction on Chinese datasets.

Ablation experiment of removing chunked instruction on Chinese datasets.

NIAID Data Ecosystem2026-05-02 收录

数据链接：

https://figshare.com/articles/dataset/Ablation_experiment_of_removing_chunked_instruction_on_Chinese_datasets_/29427287 数据链接链接失效反馈

官方服务：

资源简介：

Ablation experiment of removing chunked instruction on Chinese datasets.

应用场景：

创建时间：

2025-06-27

相关数据集

MIXTURE

指令微调

数据增强

MIXTURE是一个基于维基百科的指令蒸馏数据集，包含约144,884个样本，跨越五个任务类型，提供从多个低质量输入到单个高质量输出的层次映射。数据集创建过程包括从维基百科收集原始数据，生成高、低质量数据对，并通过LLM评分、多变种退化、跨主题融合和噪声注入等方式构建数据集。该数据集旨在解决低质量数据在指令微调中的有效利用问题，通过蒸馏和增强低质量数据，提高指令微调LLMs的效率和性能。

arXiv2025-10-23 更新420

Toflamus/alpaca_data_raw

指令微调

自然语言生成

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: instruction dtype: string - name: output dtype: string - name:

Hugging Face2023-08-26 更新120

aditijha/instruct_control_and_lima

指令微调

可控文本生成

--- dataset_info: features: - name: prompt dtype: string - name: response dtype: string - name: source dtype: string splits: - name: train num_bytes: 7084154 num_exampl

Hugging Face2023-09-22 更新100

XenArcAI/CodeX-7M-Non-Thinking

代码生成

指令微调

--- license: apache-2.0 pretty_name: CodeX-7M-Non-Thinking dataset_name: XenArcAI/CodeX-7M-Non-Thinking size_categories: - 1M<n<10M language: - en task_categories: - text-generation - question-answeri

Hugging Face2025-11-16 更新140

konwoo/newv2-rpj283k-instruct-new_hq-cpr4-ml512

指令微调

语言模型优化

这是一个包含文本数据和相应日志概率的数据集，适用于文本分析或模型训练。数据集分为训练集，共有1125688个样本，数据大小为7851005694字节。

Hugging Face2025-10-31 更新110