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。
- 规模
- 约 16.1 万条消息
- 许可
- Apache-2.0
- 获取
- 直接下载
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。
看数据卡 →Models · Data · Instruction & SFT
把任务写成指令-回答对,用来教模型按格式做事。 这一页收 3 张卡;点进单卡看许可、规模、任务适配与使用边界。
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。
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。
看数据卡 →Databricks 员工人工编写,覆盖问答、生成、摘要、信息抽取等类别。
CC-BY-SA 有传染性;如果你把数据混进训练集,衍生数据的分发方式要先看许可。
看数据卡 →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。
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。
看数据卡 →