ShareGPT 52K — LLM Instrukcje / SFT Dataset
Real multi-turn conversations scraped from ShareGPT.com — a site where users shared their best ChatGPT chats. Contains 52k real human-AI conversation trees. The dataset that made Vicuna and OpenChat possible by teaching models natural multi-turn dialogue.
Dataset Details
| Provider | RyokoAI |
| Category | Instrukcje / SFT |
| Size | 52k Conversations |
| License | CC-BY-NC 4.0 |
| Downloads | 1.1M |
| Tags | Multi-Turn, Real-World, ChatGPT, Conversational |
from datasets import load_dataset
ds = load_dataset("RyokoAI/ShareGPT52K")
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
- WildChat-1M — Training on real user conversations; safety and robustness research
- LMSYS-Chat-1M — Studying real-world usage patterns across 25 models (non-commercial)
- 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 ShareGPT 52K komercyjnie?
Nie w produkcie — ShareGPT 52K 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 ShareGPT 52K i czy potrzebuję wszystkich?
ShareGPT 52K zawiera 52k 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 ShareGPT 52K nadaje się najlepiej?
Teaching natural multi-turn dialogue (non-commercial). Należy do sekcji „Instrukcje / SFT" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide