Stanford Alpaca — LLM 指令 / SFT Dataset
The foundational self-instruct dataset that launched a thousand fine-tunes. 52k instruction-following examples generated by GPT-3 (text-davinci-003) using the Self-Instruct technique. Used to train the original Alpaca 7B and inspired nearly every instruction dataset that followed.
Dataset Details
| Provider | tatsu-lab |
| Category | 指令 / SFT |
| Size | 52k Rows |
| License | CC-BY-NC 4.0 |
| Downloads | 4.5M |
| Tags | Self-Instruct, GPT-3, Foundational, General |
from datasets import load_dataset
ds = load_dataset("tatsu-lab/alpaca")
用这个数据集微调
使用 QLoRA（4-bit 基础模型 + LoRA 适配器）微调的预计显存需求（保守默认参数）：
| 7B QLoRA | ~6GB VRAM |
| 13B QLoRA | ~10GB VRAM |
检测你的 GPU 能否微调 →
微调新手？跟着分步教程走： 一小时微调你的第一个 LLM
相关数据集
- Databricks Dolly 15k — Commercially safe instruction tuning - fully human-written
- No Robots — Your first fine-tune — small, clean, 100% human-written SFT data (non-commercial license)
- Python-Edu — Continued pretraining for Python code understanding
- OpenHermes 2.5 — The default general-purpose SFT mix for 7B-13B fine-tunes
常见问题
Stanford Alpaca 可以商用吗？
不能用于产品——Stanford Alpaca 采用 CC-BY-NC 4.0，仅限研究等非商业用途。商业微调请改用同类别中宽松许可的数据集。
Stanford Alpaca 有多少数据？需要全部使用吗？
Stanford Alpaca 包含 52k Rows。通常不需要全部：风格和格式微调只需几百到几千条样本——先加载切片（如 split="train[:1000]"），质量到达瓶颈时再扩大规模。
Stanford Alpaca 最适合做什么？
Learning the classic instruction format; research only (CC BY-NC)。它属于数据集中心的「指令 / SFT」板块，那里有替代和互补的数据集。
← 全部数据集 | Fine-Tuning Guide