Models · Data · 合成数据
UltraChat 200k
由模型生成的多轮对话, topic 覆盖广,适合做对话 SFT 的合成基线。
| 来源 | Hugging Face H4 |
|---|---|
| 规模 | 约 20 万条多轮对话 |
| 语言 | 英文 |
| 格式 | JSONL |
| 许可 | MIT |
| 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
由模型生成的多轮对话, topic 覆盖广,适合做对话 SFT 的合成基线。
使用边界
合成数据会放大生成模型的风格与错误;要混入人工数据并做去重与质量过滤。
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/HuggingFaceH4/ultrachat_200k · 核验日 2026-11-19 · 许可以来源页为准