偏好（RLHF / DPO） · argilla

DPO Mix 7K

A compact, curated DPO (Direct Preference Optimization) dataset of 7k chosen/rejected pairs, carefully selected from multiple high-quality sources. Ideal for running DPO experiments locally — small enough to fine-tune in under an hour on consumer GPUs while producing meaningfully aligned models.

在 Hugging Face 查看 →

加载

from datasets import load_dataset
ds = load_dataset("argilla/dpo-mix-7k")

预览示例数据

{
  "system": "You are a helpful assistant.",
  "prompt": "Explain recursion in simple terms.",
  "chosen": "Recursion is when a function calls itself to solve a smaller version of the same problem. Think of Russian nesting dolls — each doll contains a smaller version of itself until you reach the smallest one.",
  "rejected": "Recursion refers to the process of defining a problem or function in terms of itself through self-referential expressions."
}

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 VRAM13B 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

常见问题

DPO Mix 7K 可以商用吗？

可以——DPO Mix 7K 采用 Apache 2.0 宽松许可证，允许商业使用，包括训练用于产品的模型。发布前请查看数据集卡片中的署名要求。

DPO Mix 7K 有多少数据？需要全部使用吗？

DPO Mix 7K 包含 7k Pairs。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。

DPO Mix 7K 最适合做什么？

A small, balanced DPO starter set。它属于数据集中心的「偏好（RLHF / DPO）」板块，那里有替代和互补的数据集。