Este es un modelo sin censura con siete datasets + uno que he inyectado que se trata de una fusión de alta calidad de diferentes conjuntos de datos de escritura y juego de roles de HuggingFace. Esta versión cuenta con una longitud de secuencia de 8K (tokenizador Llama 3). Asegura que los entrenadores como Axolotl no descarten las muestras. Realizado con el script de
https://huggingface.co/xzuynLea la tarjeta del conjunto de datos para obtener más información:
https://huggingface.co/datasets/Dampfinchen/Creative_Writing_Multiturn -> Si puede entrenar con una longitud de secuencia de entrada de 16K o más, definitivamente úsela en su lugar.
Tenga en cuenta que este material puede contener todo tipo de datos explícitos problemáticos. No me hago responsable de ello ni lo apruebo. Descargue el material únicamente si conoce la situación legal de los contenidos ficticios escritos de cualquier tipo en su país.
