LMSYS-Chat-1M
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.
from datasets import load_dataset
ds = load_dataset("lmsys/lmsys-chat-1m")Podgląd przykładowego wiersza
{
"conversation_id": "abc123",
"model": "gpt-4",
"conversation": [
{"role": "user", "content": "Can you help me debug this Python code?"},
{"role": "assistant", "content": "I'd be happy to help! Please paste the code and describe the error."}
],
"language": "English"
}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 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.