OpenOrca — LLM Instrukcje / SFT Dataset
A 4.2M sample dataset replicating Microsoft Research's Orca paper by augmenting FLAN Collection with GPT-4 and GPT-3.5 explanations. Enables small models to match much larger models through explanation-based fine-tuning.
Dataset Details
| Provider | Open-Orca |
| Category | Instrukcje / SFT |
| Size | 4.2M Samples |
| License | MIT |
| Downloads | 1.8M |
| Tags | FLAN, Explanation, GPT-4, Augmented, Large-Scale |
from datasets import load_dataset
ds = load_dataset("Open-Orca/OpenOrca")
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 OpenOrca komercyjnie?
Tak — OpenOrca jest udostępniony na licencji MIT, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera OpenOrca i czy potrzebuję wszystkich?
OpenOrca zawiera 4.2M Samples. 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 OpenOrca nadaje się najlepiej?
Explanation-style SFT at scale (the Orca recipe). Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide