lorinma/EvolInstruct_zh_COIG-PC_Deepseek

COIG-PC数据集包含多种中文NLP任务，类似于FLAN。作者结合了COIG-PC和EvolInstruction生成了一些数据。数据集中包括经过过滤的COIG-pc-Lite种子任务文件、基于H2O EvolInstruction的代码文件以及生成的数据文件。

原始信息汇总

数据集概述

数据集描述

该数据集旨在填补中文世界在类似FLAN和Orca工作方面的空白，结合COIG-PC和EvolInstruction方法生成数据。

数据集组成

数据集包含以下三个文件：

1. 0227_COIG_seed_tasks_CoarseFilter_1106_adjusted.json：使用COIG-pc-Lite，每个任务抽取一条，过滤掉多语言任务（仅保留中英文），形成1106条种子任务。
2. evolve_chinese.py：基于H2O EvolInstruction的代码。
3. 0227_EvolInstruct-COIG：生成的6680条数据。

数据生成

数据集使用DeepSeek赠送的1000万token，生成了5000条数据，约使用600万token。