Prawdziwe wielotonowe rozmowy zebrane z ShareGPT.com — serwisu, w którym użytkownicy dzielili się swoimi najlepszymi czatami z ChatGPT. Zawiera 52 tys. autentycznych drzew konwersacji człowiek–AI. To dzięki temu zbiorowi powstały Vicuna i OpenChat — nauczył modele naturalnego dialogu wielotonowego.
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:
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.