bennychen/FineTome-100k

---
dataset_info:
features:
- name: conversations
list:
- name: from
dtype: string
- name: value
dtype: string
- name: source
dtype: string
- name: score
dtype: float64
splits:
- name: train
num_bytes: 239650960.7474458
num_examples: 100000
download_size: 116531415
dataset_size: 239650960.7474458
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

# FineTome-100k


The FineTome dataset is a subset of [arcee-ai/The-Tome](https://huggingface.co/datasets/arcee-ai/The-Tome) (without arcee-ai/qwen2-72b-magpie-en), re-filtered using [HuggingFaceFW/fineweb-edu-classifier](https://huggingface.co/HuggingFaceFW/fineweb-edu-classifier).

It was made for my article ["Fine-tune Llama 3.1 Ultra-Efficiently with Unsloth"](https://huggingface.co/blog/mlabonne/sft-llama3).

数据集信息：
特征字段：
- 名称：对话（conversations），为列表类型，其包含子字段：
- 字段名：发言方（from），数据类型：字符串（string）
- 字段名：内容（value），数据类型：字符串（string）
- 名称：来源（source），数据类型：字符串（string）
- 名称：评分（score），数据类型：双精度浮点数（float64）
数据集划分：
- 划分名称：训练集（train），数据字节数：239650960.7474458，样本数量：100000
下载大小：116531415
数据集总大小：239650960.7474458
配置项：
- 配置名称：默认（default），数据文件：
- 对应划分：训练集，文件路径：data/train-*

# FineTome-100k 数据集


FineTome数据集是[arcee-ai/The-Tome](https://huggingface.co/datasets/arcee-ai/The-Tome)的子集（已剔除arcee-ai/qwen2-72b-magpie-en子集），并通过[HuggingFaceFW/fineweb-edu-classifier](https://huggingface.co/HuggingFaceFW/fineweb-edu-classifier)完成二次筛选。

本数据集专为我的文章《基于Unsloth实现Llama 3.1的超高效微调》（https://huggingface.co/blog/mlabonne/sft-llama3）制作。