Databricks Dolly 15k
15 000 wysokiej jakości par prompt/odpowiedź napisanych przez ludzi. Stworzony specjalnie z myślą o zastosowaniach komercyjnych, bez restrykcyjnych licencji.
from datasets import load_dataset
ds = load_dataset("databricks/databricks-dolly-15k")Podgląd przykładowego wiersza
{
"instruction": "Why is the sky blue?",
"context": "",
"response": "The sky appears blue to the human eye as the short waves of blue light are scattered more than the other colors..."
}Fine-tuning z tym zbiorem danych
Szacowany VRAM do fine-tuningu z QLoRA (model bazowy 4-bit + adaptery LoRA), przy zachowawczych ustawieniach:
Pierwszy fine-tuning? Przejdź przewodnik krok po kroku: Zrób fine-tuning pierwszego LLM w godzinę
Najczęstsze pytania
Czy mogę użyć Databricks Dolly 15k komercyjnie?
Tak — Databricks Dolly 15k jest udostępniony na licencji CC-BY-SA 3.0, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera Databricks Dolly 15k i czy potrzebuję wszystkich?
Databricks Dolly 15k zawiera 15k 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 Databricks Dolly 15k nadaje się najlepiej?
Commercially safe instruction tuning - fully human-written. Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.