Open-Orca-ko 데이터를 분석하여 태스크를 추출한 뒤
해당 태스크에 맞춰서 NLP 관련 오픈소스 데이터를 활용하여 학습데이터를 자체적으로
약 4만건(역사, 과학, 수학, 기계독해, 리뷰 분석) 구축하였고,
그 외에 Open-Orca-Ko에서 데이터를 일부 필터링하여 정제해거나 KoBEST 데이터를 함께 추가하였습니다.
aihub 일반상식 및 기계독해 데이터를 활용하여 추가로 학습 데이터를 구축(형태소 관련, 기계독해 관련 및 요약)
각종 블로그에서 역사 및 상식 퀴즈를 사람이 직접 학습데이터 형태로 변경
AI2AI Challenge 데이터를 파파고를 통해 번역 및 오역된 부분을 사람이 직접 수정 하는 작업을 수행
영어 번역 데이터 영한/한영 데이터 학습 데이터로 활용 진행
총 11만개의 학습데이터로 sft를 진행하였습니다.
현재, 새로운 버전의 모델 학습 및 성능을 위해 Open-Orca 데이터셋 일부를 번역하여 정제 중에 있습니다.
고등학교 역사 문제 및 TruthfulQA 관련 문제 추가를 진행하였습니다.
각종 it 지식 데이터 추가진행.
기계독해 관련 학습 데이터를 ChatGPT를 통해서 답변을 얻어 학습
문법관련 학습 데이터
###학습 데이터 파일은 비공개입니다.
<학습>
학습은 LoRA를 사용하여 A100 40G *2에서 학습을 진행하였습니다.
