DPO Mix 7K
Kompaktowy, starannie dobrany zbiór DPO (Direct Preference Optimization) złożony z 7 tys. par wybrana/odrzucona, wyselekcjonowanych z wielu wysokiej jakości źródeł. Idealny do lokalnych eksperymentów z DPO — na tyle mały, że fine-tuning na konsumenckim GPU trwa niecałą godzinę, a mimo to daje sensownie zestrojone modele.
from datasets import load_dataset
ds = load_dataset("argilla/dpo-mix-7k")Podgląd przykładowego wiersza
{
"system": "You are a helpful assistant.",
"prompt": "Explain recursion in simple terms.",
"chosen": "Recursion is when a function calls itself to solve a smaller version of the same problem. Think of Russian nesting dolls — each doll contains a smaller version of itself until you reach the smallest one.",
"rejected": "Recursion refers to the process of defining a problem or function in terms of itself through self-referential expressions."
}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 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.