DPO Mix 7K — LLM Preferencje (RLHF / DPO) Dataset
A compact, curated DPO (Direct Preference Optimization) dataset of 7k chosen/rejected pairs, carefully selected from multiple high-quality sources. Ideal for running DPO experiments locally — small enough to fine-tune in under an hour on consumer GPUs while producing meaningfully aligned models.
Dataset Details
| Provider | argilla |
| Category | Preferencje (RLHF / DPO) |
| Size | 7k Pairs |
| License | Apache 2.0 |
| Downloads | 220k |
| Tags | DPO, Alignment, Curated, Community, Quick-Training |
from datasets import load_dataset
ds = load_dataset("argilla/dpo-mix-7k")
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
- UltraFeedback — The default DPO preference set to run after any SFT pass
- Nectar — Reward-model training with 7-way ranked responses
- Anthropic HH-RLHF — Safety-focused preference training (helpfulness and harmlessness)
- HelpSteer2 — Training reward models with fine-grained quality ratings
Najczęstsze pytania
Czy mogę użyć DPO Mix 7K komercyjnie?
Tak — DPO Mix 7K jest udostępniony na licencji Apache 2.0, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera DPO Mix 7K i czy potrzebuję wszystkich?
DPO Mix 7K zawiera 7k Pairs. 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 DPO Mix 7K nadaje się najlepiej?
A small, balanced DPO starter set. Należy do sekcji „Preferencje (RLHF / DPO)" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide