Smilyai-labs/Sam-1-large-identity-and-safety

Name: Smilyai-labs/Sam-1-large-identity-and-safety
Creator: Smilyai-labs
Published: 2025-10-18T07:32:29+08:00

Hugging Face2025-10-14 更新2025-10-18 收录

语言模型训练

身份识别

数据链接：

https://hf-mirror.com/datasets/Smilyai-labs/Sam-1-large-identity-and-safety 数据链接链接失效反馈

官方服务：

资源简介：

一个用于教导最新的大型语言模型sam 1了解其身份的_dataset

a dataset teaching the newest sam 1 large LLM its identity

提供机构：

Smilyai-labs

togethercomputer/RedPajama-Data-V2

文本处理

语言模型训练

Red Pajama V2是一个用于训练大型语言模型的开放数据集，包含超过1000亿个文本文档，其中30亿个文档带有质量信号，20亿个文档是去重后的唯一文档。数据集支持多种语言（如英语、德语、法语、西班牙语和意大利语），并提供了详细的下载和使用示例。此外，README还介绍了如何根据质量信号过滤数据集，并提供了质量注释的详细说明。

Hugging Face2024-11-21 更新2370

mayflowergmbh/airoboros-3.0_de

德语文本生成

语言模型训练

这是一个针对[jondurbin/airoboros-3.0](https://huggingface.co/datasets/jondurbin/airoboros-3.0)数据集的德语翻译版本，数据来源于[seedboxventures/multitask_german_examples_32k](https://huggingface.co/datasets/seedboxventures/

Hugging Face2024-02-14 更新170

TAUR-dev/OTQ7BI_sft_openthoughts_200000_end300000_chunk_17

自然语言处理

语言模型训练

该数据集包含会话信息（包括发送者和消息内容）、问题、来源、唯一标识符、提示信息（包括内容和角色）、答案、模型响应的示例标注以及相关的元数据。数据集分为训练集，大小为40000个示例，总文件大小约为791MB。数据集适用于自然语言处理任务，如对话系统、问题回答等。

Hugging Face2025-11-13 更新60

Daniel-P-Gonzalez/OCD

语言模型训练

文本数据清理

Only Clean Data (OCD)是一个精心策划和清理的文本语料库，旨在为训练基础语言模型提供最高质量的文本数据。数据集包括从C4、PLOS和CCOpenBooks等来源筛选的文本，经过手动检查和修复，确保文本质量。目前数据集包含三个子集：经过过滤的网页数据、经过处理的同行评审研究文章以及非小说类书籍。数据集还在持续开发中，计划扩展更多领域的内容。

Hugging Face2023-12-23 更新250

mehta77/guanaco-llama2-200_1

指令微调

语言模型训练

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 338808 num_examples: 200 download_size: 201258 dataset_size: 338808 configs: - config_na

Hugging Face2023-09-28 更新80

Smilyai-labs/Sam-1-large-identity-and-safety

资源简介：

相关数据集