DPO Mix 7K — LLM 偏好（RLHF / DPO） Dataset
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.
Dataset Details
| Provider | argilla |
| Category | 偏好（RLHF / DPO） |
| Size | 7k Pairs |
| License | Apache 2.0 |
| Downloads | 220k |
| Tags | DPO, Alignment, Curated, Community, Quick-Training |
from datasets import load_dataset
ds = load_dataset("argilla/dpo-mix-7k")
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
- UltraFeedback — The default DPO preference set to run after any SFT pass
- Nectar — Reward-model training with 7-way ranked responses
- Anthropic HH-RLHF — Safety-focused preference training (helpfulness and harmlessness)
- HelpSteer2 — Training reward models with fine-grained quality ratings
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。
← 全部数据集 | Fine-Tuning Guide