跳到主要内容Skip to main content

Models · Data · 指令与 SFT

FLAN Collection

把大量 NLP 任务改写成指令格式,任务覆盖面广,适合做指令微调的对照基线。

来源Google
规模约 1,836 个任务 / 1,500 万级样本
语言英文为主
格式JSON / TFDS
许可Apache-2.0
商用允许
获取直接下载
任务适配SFT / 多任务
核验日2026-11-19

质量与偏差

把大量 NLP 任务改写成指令格式,任务覆盖面广,适合做指令微调的对照基线。

使用边界

任务模板高度统一,直接拿去训对话模型会显得机械;需要重采样与模板多样化。

下一步

  • 打开来源页,下载数据集卡与许可原文,确认版本与获取条件。
  • 先抽 100–500 条样本做质量、语言与敏感内容抽检,再决定是否进训练管线。
  • 如果用于 RAG 或 SFT,先读 RAG 语料怎么选 / SFT 数据怎么配比。
来源:https://huggingface.co/datasets/Open-Orca/FLAN · 核验日 2026-11-19 · 许可以来源页为准