Locutusque/hercules-v5.0

Hercules-v5.0是一个广泛且多样化的数据集，结合了多个领域的数据，旨在为训练人工智能模型提供强大的工具。数据来源包括对话、编码示例、科学解释等，涵盖了多个高质量的数据源。该数据集适用于训练和评估能够处理跨多个复杂任务的AI模型，适合学术界和工业界的研究人员和开发者使用。数据集的质量较高，但可能需要对特定任务进行额外的预处理。

原始信息汇总

Hercules-v5.0 数据集概述

数据集描述

• 名称: Hercules-v5.0
• 类别: 文本生成、问答
• 语言: 英语
• 大小: 1M<n<10M

数据来源

Hercules-v5.0 是一个广泛且多样化的数据集，结合了多个领域的数据，包括对话、编程示例、科学解释等。数据来源于多个高质量的存储库，每个存储库都为 Hercules-v5.0 在不同知识领域的稳健性做出了贡献。

包含的数据源

• OpenOrca/SlimOrca
• Evol Instruct 70K & 140K
• teknium/GPT4-LLM-Cleaned
• jondurbin/airoboros-3.2
• AlekseyKorshuk/camel-chatml
• CollectiveCognition/chats-data-2023-09-22
• Lmsys chat 1m GPT-4 generations only.
• glaiveai/glaive-code-assistant
• Locutusque/function-calling-chatml
• garage-bAInd/Open-Platypus
• TIGER-Lab/MATH-plus
• GPTeacher roleplay datasets
• BI55/MedText
• Various medical datasets by CogStack
• Unnatural Instructions
• m-a-p/Code-Feedback
• totally-not-an-llm/EverythingLM-data-V3
• LDJnr/Capybara
• Vezora/Tested-22k-Python-Alpaca
• Crystalcareai/alpaca-gpt4-COT
• CollectiveCognition/chats-data-2023-09-27
• CollectiveCognition/chats-data-2023-10-16
• NobodyExistsOnTheInternet/sharegptPIPPA
• winglian/chatlogs-en-cleaned
• winglian/deduped-ds
• grimulkan/theory-of-mind
• Locutusque/caseus_custom

数据特性

数据集融合了来自多个领域的文本，包括结构化和非结构化数据。它包含对话、教学文本、科学解释、编程任务等。

预期用途

Hercules-v5.0 旨在用于训练和评估能够处理多个领域复杂任务的 AI 模型。它适用于在学术界和工业界从事高级对话代理、指令遵循模型和知识密集型应用的研究人员和开发者。

数据质量

数据从信誉良好的来源收集，注重多样性和质量。预计数据相对干净，但可能需要针对特定任务进行额外的预处理。

限制和偏见

• 数据集可能存在源自原始数据源的固有偏见。
• 某些领域可能因源数据集的性质而过度代表。

X级内容免责声明

Hercules-v5.0 包含X级内容。用户需自行负责数据集的使用，并确保其使用符合所有适用的法律和规定。数据集维护者不对数据集的滥用负责。

使用协议

使用 Hercules-v5.0 数据集的用户同意以下条款：

• 数据集的使用风险由用户自行承担。
• 数据集维护者不对因使用数据集而产生的任何损害负责。
• 用户不会因任何索赔、责任、损失或费用而追究数据集维护者的责任。

搜集汇总

背景与挑战

背景概述

Hercules-v5.0是一个大规模、多领域的数据集，专门用于训练和评估AI模型，涵盖对话、代码、科学解释等多种任务，数据量达158万行。该数据集整合了多个高质量来源，支持复杂任务处理，但包含X级内容，使用时需注意法律合规。