guigux/hulk_dataset_0.1
收藏Hugging Face2024-01-12 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/guigux/hulk_dataset_0.1
下载链接
链接失效反馈官方服务：
资源简介：
该数据集名为Hulk data 0.1，是截至2024年1月12日最大的开源数据集，用于微调大型语言模型（LLMs）。它包含超过380万条聊天样本，这些样本来源于多个不同的数据集，包括使用GPT4构建的数据集和从网络抓取的数据。数据集的特征包括chat_sample和source，分别表示聊天样本和样本来源。数据集分为训练集，包含3817036个样本，总大小为7997901993字节。README还提到了数据集的可能改进方向，即增加或翻译成其他语言的样本。
该数据集名为Hulk data 0.1，是截至2024年1月12日最大的开源数据集，用于微调大型语言模型（LLMs）。它包含超过380万条聊天样本，这些样本来源于多个不同的数据集，包括使用GPT4构建的数据集和从网络抓取的数据。数据集的特征包括chat_sample和source，分别表示聊天样本和样本来源。数据集分为训练集，包含3817036个样本，总大小为7997901993字节。README还提到了数据集的可能改进方向，即增加或翻译成其他语言的样本。
提供机构：
guigux
原始信息汇总
数据集概述
数据特征
- chat_sample: 数据类型为字符串。
- source: 数据类型为字符串。
数据分割
- train: 包含3,817,036个样本，总大小为7,997,901,993字节。
数据大小
- 下载大小: 3,855,896,748字节。
- 数据集大小: 7,997,901,993字节。
配置
- default: 包含训练数据文件，路径为
data/train-*。
任务类别
- 对话
- 文本生成
数据集名称
- pretty_name: Hulk data 0.1
数据集规模
- 1M<n<10M
