Milion prawdziwych rozmów między użytkownikami a 25 różnymi najnowocześniejszymi LLM-ami, zebranych w Chatbot Arena. Bezcenny do zrozumienia rzeczywistych wzorców użycia, różnorodności językowej i preferencji ludzi — obejmuje 154 języki oraz zadania codzienne, twórcze pisanie, programowanie i wiele innych.
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:
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.