jiarui1/

Minimind_train_dataset

	训练数据集说明




	

数据集文件名 数据来源及说明

sft_512_mixed_shuffled.jsonl 💫 混合数据集sft_512 的中英文混合数据集，由以下五个文件随机打乱顺序组合而成，适用于多语言模型微调。

sft_512_en_llama_3_3_70b.jsonl 🚀 Llama-3.3-70B来源：Magpie-Llama-3.3-Pro-1M-v0.1筛选条件：tokenizer(input+output) 长度 < 512

sft_512_en_llama_3_1_70b.jsonl 🚀 Llama-3.1-70B来源：Magpie-Llama-3.1-Pro-1M-v0.1筛选条件：tokenizer(input+output) 长度 < 512

sft_512_en_llama_3_0_8b.jsonl 🚀 Llama-3.0-8B-Instruct来源：Llama-3-Magpie-Air-3M-v0.1筛选条件：tokenizer(input+output) 长度 < 512… See the full description on the dataset page: https://huggingface.co/datasets/jiarui1/Minimind_train_dataset.