Locutusque/hercules-v4.0

Hercules-v4.0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。数据源包括对话、编码示例、科学解释等，来源于多个高质量的数据仓库，每个仓库都在不同知识领域为Hercules-v4.0的鲁棒性做出了贡献。数据集融合了结构化和非结构化文本，包含对话、指导性文本、科学解释、编码任务等。该数据集适用于训练和评估能够处理跨领域复杂任务的AI模型，适合学术界和工业界的研究人员和开发者使用，用于开发高级对话代理、指令跟随模型和知识密集型应用。数据质量较高，但可能存在原始数据源的偏见和某些领域的过度代表。此外，数据集中包含X级内容，用户需自行负责使用合规性。

原始信息汇总

Hercules-v4.0 数据集概述

数据集描述

Hercules-v4.0 是一个广泛且多样化的数据集，结合了多个领域的数据，用于训练人工智能模型。数据来源包括对话、编程示例、科学解释等，源自多个高质量的存储库。

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
• glaiveai/glaive-function-calling-v2
• garage-bAInd/Open-Platypus
• meta-math/MetaMathQA
• microsoft/orca-math-word-problems-200k
• GPTeacher roleplay datasets
• BI55/MedText
• Various medical datasets by CogStack
• Unnatural Instructions
• abacusai/SystemChat
• m-a-p/Code-Feedback
• totally-not-an-llm/EverythingLM-data-V3
• Locutusque/arc-cot
• FuseAI/FuseChat-Mixture
• LDJnr/Pure-Dove
• teknium/trismegistus-project
• Vezora/Tested-22k-Python-Alpaca
• Crystalcareai/alpaca-gpt4-COT
• grimulkan/theory-of-mind
• CollectiveCognition/chats-data-2023-09-27
• CollectiveCognition/chats-data-2023-10-16
• NobodyExistsOnTheInternet/sharegptPIPPA
• sablo/oasst2_curated

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。内容涵盖对话、指导性文本、科学解释、编程任务等。

预期用途

Hercules-v4.0 适用于训练和评估能够处理多领域复杂任务的AI模型。适合学术界和工业界的研究人员及开发者，用于开发高级对话代理、指令遵循模型和知识密集型应用。

数据质量

数据从信誉良好的来源收集，注重多样性和质量。预期数据相对干净，但某些任务可能需要额外的预处理。

限制与偏见

• 数据集可能包含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。

成人内容免责声明

Hercules-v4.0 包含成人内容。用户需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-v4.0 数据集的用户同意：

• 数据集使用风险自负。
• 数据集维护者不对因使用数据集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。