Zbiór 7,5 mln wysokiej jakości instrukcji od Beijing Academy of AI, łączący umiejętności fundamentalne (matematyka, kod, rozumowanie) ze zdolnościami konwersacyjnymi. Użyty do trenowania modeli, które przewyższają Llama 3 70B, będąc od niej znacznie mniejsze.
OpenOrca — Explanation-style SFT at scale (the Orca recipe)
Magpie-Align — Fresh synthetic SFT data without seed data or scraping
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 Infinity-Instruct komercyjnie?
Tak — Infinity-Instruct 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 Infinity-Instruct i czy potrzebuję wszystkich?
Infinity-Instruct zawiera 7.5M Instructions. 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 Infinity-Instruct nadaje się najlepiej?
Large-scale general SFT when you need millions of samples. Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.