Nekochu/Luminia-mixture

Luminia数据集是一个以Alpaca格式组合的多领域数据集，包含数学、代码、医学-生物学、RLHF（人类反馈强化学习）等子数据集。数据集提供了多个版本，如LuminiaMix-v1_Base、LuminiaMix-v1_Extended等，每个版本都有不同的文件格式和列定义。数据集还包含更新日志和文件结构信息，适用于在LLaMA Factory等工具中使用。

The Luminia dataset is a multi-domain dataset compiled in the Alpaca format, encompassing sub-datasets across mathematics, code, medical-biology, RLHF (Reinforcement Learning from Human Feedback), and other fields. It provides multiple versions including LuminiaMix-v1_Base, LuminiaMix-v1_Extended, etc., where each version features distinct file formats and column definitions. Additionally, the dataset includes changelogs and file structure information, and is suitable for use with tools such as LLaMA Factory.

原始信息汇总

数据集概述：Luminia

基本信息

• 许可证: Apache-2.0
• 语言: 英语（en）、中文（zh）
• 标签: 生物学（biology）、化学（chemistry）、医学（medical）
• 数据集名称: Luminia

数据集结构

• 格式: Alpaca
• 版本: v1

数据集组件

• LuminiaMix-v1_Base:

  • 文件名: LuminiaMix-v1_Base.json
  • 格式: Alpaca
  • 列:
    • prompt: instruction
    • query: input
    • response: output
    • system: system
    • history: history
  • 排名: true

• LuminiaMix-v1_Extended:

  • 文件名: LuminiaMix-v1_Extended_sft.json
  • 格式: Alpaca

数据集内容

• 学科领域:
  • 数学: 包含多个子数据集，如fblgit/simple-math等。
  • 代码: 包含rombodawg/LosslessMegaCodeTrainingV3_1.6m_Evol等数据集。
  • 医学与生物学: 包含BioMistral/BioInstructQA等数据集。

数据集使用

• 兼容性: 可用于LLaMA Factory

注意事项

• Base_dpo组件: 尚未准备好，需要进一步分割。
• 多语言支持: 不包括在当前组合中。