Open-Platypus — LLM Instrukcje / SFT Dataset
A carefully curated dataset of 25K STEM and logic questions assembled from 11 open datasets with strict deduplication. Fine-tuning Llama 2 on this dataset for just 5 hours achieves GPT-4-level STEM performance, demonstrating quality trumps quantity.
Dataset Details
| Provider | garage-bAInd |
| Category | Instrukcje / SFT |
| Size | 25K Questions |
| License | CC BY NC 4.0 |
| Downloads | 340k |
| Tags | STEM, Reasoning, Curated, Logic, Science |
from datasets import load_dataset
ds = load_dataset("garage-bAInd/Open-Platypus")
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
Najczęstsze pytania
Czy mogę użyć Open-Platypus komercyjnie?
Nie w produkcie — Open-Platypus 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 Open-Platypus i czy potrzebuję wszystkich?
Open-Platypus zawiera 25K Questions. 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 Open-Platypus nadaje się najlepiej?
A quick STEM and logic boost on a small budget (non-commercial). Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide