Stanford Alpaca — LLM Instrukcje / SFT Dataset
The foundational self-instruct dataset that launched a thousand fine-tunes. 52k instruction-following examples generated by GPT-3 (text-davinci-003) using the Self-Instruct technique. Used to train the original Alpaca 7B and inspired nearly every instruction dataset that followed.
Dataset Details
| Provider | tatsu-lab |
| Category | Instrukcje / SFT |
| Size | 52k Rows |
| License | CC-BY-NC 4.0 |
| Downloads | 4.5M |
| Tags | Self-Instruct, GPT-3, Foundational, General |
from datasets import load_dataset
ds = load_dataset("tatsu-lab/alpaca")
Fine-tuning z tym zbiorem danych
Szacowany VRAM do fine-tuningu z QLoRA (model bazowy 4-bit + adaptery LoRA), przy zachowawczych ustawieniach:
| 7B QLoRA | ~6GB VRAM |
| 13B QLoRA | ~10GB VRAM |
Sprawdź, czy Twoje GPU to udźwignie →
Pierwszy fine-tuning? Przejdź przewodnik krok po kroku: Zrób fine-tuning pierwszego LLM w godzinę
Powiązane zbiory danych
- Databricks Dolly 15k — Commercially safe instruction tuning - fully human-written
- No Robots — Your first fine-tune — small, clean, 100% human-written SFT data (non-commercial license)
- Python-Edu — Continued pretraining for Python code understanding
- OpenHermes 2.5 — The default general-purpose SFT mix for 7B-13B fine-tunes
Najczęstsze pytania
Czy mogę użyć Stanford Alpaca komercyjnie?
Nie w produkcie — Stanford Alpaca jest udostępniony na licencji CC-BY-NC 4.0, która ogranicza użycie do badań i innych celów niekomercyjnych. Do komercyjnego fine-tuningu wybierz zbiór na liberalnej licencji z tej samej kategorii.
Ile danych zawiera Stanford Alpaca i czy potrzebuję wszystkich?
Stanford Alpaca zawiera 52k Rows. Rzadko potrzebujesz całości: do fine-tuningu stylu i formatu wystarcza kilkaset–kilka tysięcy przykładów — załaduj wycinek (np. split="train[:1000]") i zwiększaj skalę tylko, gdy jakość przestaje rosnąć.
Do czego Stanford Alpaca nadaje się najlepiej?
Learning the classic instruction format; research only (CC BY-NC). Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide