3 mln samodzielnie wygenerowanych par instrukcji, powstałych przez skłonienie Llama 3 do tworzenia zarówno instrukcji, jak i odpowiedzi, za pomocą nowatorskiego szablonu pre-query. W przeciwieństwie do wcześniejszych zbiorów Magpie nie wymaga danych zalążkowych ani ludzkiej kurateli, a wysoką jakość osiąga dzięki filtrowaniu pod kątem alignmentu.
Infinity-Instruct — Large-scale general SFT when you need millions of samples
Smoltalk — General SFT for small models (the SmolLM2 recipe)
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 Magpie-Align komercyjnie?
Tak — Magpie-Align 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 Magpie-Align i czy potrzebuję wszystkich?
Magpie-Align zawiera 3M Pairs. 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 Magpie-Align nadaje się najlepiej?
Fresh synthetic SFT data without seed data or scraping. Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.