跳到主要内容Skip to main content

Models · Data · Instruction & SFT

指令与 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。

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 →
指令与 SFT

Databricks Dolly 15k

Databricks 员工人工编写,覆盖问答、生成、摘要、信息抽取等类别。

规模
1.5 万条指令
许可
CC-BY-SA-4.0
获取
直接下载

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 →
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。

规模
约 1,836 个任务 / 1,500 万级样本
许可
Apache-2.0
获取
直接下载

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 →