Models · Data · 指令与 SFT
OpenAssistant OASST1
人工编写的多轮对话树,带审核与语言标签,适合做对话 SFT 的起点。
| 来源 | OpenAssistant |
|---|---|
| 规模 | 约 16.1 万条消息 |
| 语言 | 35 种语言 |
| 格式 | JSONL |
| 许可 | Apache-2.0 |
| 商用 | 允许 |
| 获取 | 直接下载 |
| 任务适配 | SFT / 对话 |
| 核验日 | 2026-11-19 |
质量与偏差
人工编写的多轮对话树,带审核与语言标签,适合做对话 SFT 的起点。
使用边界
社区众包,质量参差;不同语言样本量差异大,直接混合会偏英文。
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/OpenAssistant/oasst1 · 核验日 2026-11-19 · 许可以来源页为准