Databricks Dolly 15k — LLM Instrukcje / SFT Dataset
15,000 high-quality human-generated prompt/response pairs. Specifically designed for commercial use without restrictive licenses.
Dataset Details
| Provider | Databricks |
| Category | Instrukcje / SFT |
| Size | 15k Rows |
| License | CC-BY-SA 3.0 |
| Downloads | 3M |
| Tags | Human-Generated, Commercial, General |
from datasets import load_dataset
ds = load_dataset("databricks/databricks-dolly-15k")
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
- No Robots — Your first fine-tune — small, clean, 100% human-written SFT data (non-commercial license)
- UltraFeedback — The default DPO preference set to run after any SFT pass
- 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 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.
← Wszystkie zbiory danych | Fine-Tuning Guide