Open-Platypus — LLM 指令 / SFT Dataset

A carefully curated dataset of 25K STEM and logic questions assembled from 11 open datasets with strict deduplication. Fine-tuning Llama 2 on this dataset for just 5 hours achieves GPT-4-level STEM performance, demonstrating quality trumps quantity.

Dataset Details

Providergarage-bAInd
Category指令 / SFT
Size25K Questions
LicenseCC BY NC 4.0
Downloads340k
TagsSTEM, Reasoning, Curated, Logic, Science
 
from datasets import load_dataset
ds = load_dataset("garage-bAInd/Open-Platypus")

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

常见问题

Open-Platypus 可以商用吗？
不能用于产品——Open-Platypus 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。
Open-Platypus 有多少数据？需要全部使用吗？
Open-Platypus 包含 25K Questions。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。
Open-Platypus 最适合做什么？
A quick STEM and logic boost on a small budget (non-commercial)。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