跳到主要内容Skip to main content

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