LMSYS-Chat-1M — LLM Instrukcje / SFT Dataset
One million real conversations between users and 25 different state-of-the-art LLMs collected from Chatbot Arena. Invaluable for understanding real-world usage patterns, language diversity, and human preferences — spans 154 languages and covers everyday tasks, creative writing, coding, and more.
Dataset Details
| Provider | lmsys |
| Category | Instrukcje / SFT |
| Size | 1M Conversations |
| License | CC BY-NC 4.0 |
| Downloads | 740k |
| Tags | Real-world, Multi-model, Diverse, 154 Languages, Human Conversations |
from datasets import load_dataset
ds = load_dataset("lmsys/lmsys-chat-1m")
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
- WildChat-1M — Training on real user conversations; safety and robustness research
- ShareGPT 52K — Teaching natural multi-turn dialogue (non-commercial)
- 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 LMSYS-Chat-1M komercyjnie?
Nie w produkcie — LMSYS-Chat-1M jest udostępniony na licencji CC BY-NC 4.0, która ogranicza użycie do badań i innych celów niekomercyjnych. Do komercyjnego fine-tuningu wybierz zbiór na liberalnej licencji z tej samej kategorii.
Ile danych zawiera LMSYS-Chat-1M i czy potrzebuję wszystkich?
LMSYS-Chat-1M zawiera 1M Conversations. 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 LMSYS-Chat-1M nadaje się najlepiej?
Studying real-world usage patterns across 25 models (non-commercial). Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide