COIG-CQIA m-a-p
COIG-CQIA：Quality is All you need for Chinese Instruction Fine-tuning Dataset Details Dataset Description 欢迎来到COIG-CQIA，COIG-CQIA全称为Chinese Open Instruction Generalist - Quality is All You Need， 是一个开源的高质量指令微调数据集，旨在为中文NLP社区提供高质量且符合人类交互行为的指令微调数据。COIG-CQIA以中文互联网获取到的问答及文章作为原始数据，经过深度清洗、重构及人工审核构建而成。本项目受LIMA: Less Is More for Alignment等研究启发，使用少量高质量的数据即可让大语言模型学习到人类交互行为，因此在数据构建中我们十分注重数据的来源、质量与多样性，数据集详情请见数据介绍以及我们接下来的论文。 Welcome to the… See the full description on the dataset page: https://huggingface.co/datasets/m-a-p/COIG-CQIA.
- 类型
- dataset
- 语言
- zh
- 下载量
- 7,330
- 点赞
- 762
- 访问
- public
- 文件
- 0
标签
- 指令微调
- 大语言模型
- 对话数据
- 多语言语料
- 文本生成
- 问答
- NLP
- 数据处理
摘要
COIG-CQIA是一个开源的高质量中文指令微调数据集，旨在为中文NLP社区提供高质量且符合人类交互行为的监督微调数据。数据来源于知乎、豆瓣、小红书、百科、考试试题、金融医疗等多个领域的中文互联网问答与文章，经过深度清洗、重构及人工审核构建而成，强调数据的来源、质量与多样性。适用于大语言模型的指令微调，帮助模型学习人类交互行为。
README
--- configs: - config_name: "chinese_traditional" data_files: - split: train path: chinese_traditional/* - config_name: "coig_pc" data_files: - split: train path: coig_pc/* - config_name: "exam" data_files: - split: train path: exam/* - config_name: "finance" - config_name: "douban" data_files: - s…