Glaive Function Calling v2 — LLM Agenty i wywoływanie funkcji Dataset
The standard open function-calling SFT dataset: ~113k conversations (112,960 rows) where a system prompt defines available JSON function schemas and the assistant learns when to call them, when to answer directly, and how to handle function responses. The foundation that countless open tool-calling fine-tunes (and cleaned derivatives like Hermes) build on.
Dataset Details
| Provider | Glaive AI |
| Category | Agenty i wywoływanie funkcji |
| Size | 113k Rows |
| License | Apache 2.0 |
| Downloads | n/a |
| Tags | Function-Calling, Tool-Use, JSON, Agents |
from datasets import load_dataset
ds = load_dataset("glaiveai/glaive-function-calling-v2")
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 →
Powiązane zbiory danych
Najczęstsze pytania
Czy mogę użyć Glaive Function Calling v2 komercyjnie?
Tak — Glaive Function Calling v2 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 Glaive Function Calling v2 i czy potrzebuję wszystkich?
Glaive Function Calling v2 zawiera 113k 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 Glaive Function Calling v2 nadaje się najlepiej?
Teaching a model basic function-calling: when to call, what JSON to emit, how to use results. Należy do sekcji „Agenty i wywoływanie funkcji" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide