指令 / SFT · Open-Orca

OpenOrca

A 4.2M sample dataset replicating Microsoft Research's Orca paper by augmenting FLAN Collection with GPT-4 and GPT-3.5 explanations. Enables small models to match much larger models through explanation-based fine-tuning.

在 Hugging Face 查看 →阅读论文

加载

from datasets import load_dataset
ds = load_dataset("Open-Orca/OpenOrca")

预览示例数据

{
  "system_prompt": "You are a helpful, respectful assistant. Think step by step.",
  "question": "What causes ocean tides?",
  "response": "Ocean tides are primarily caused by the gravitational pull of the Moon and, to a lesser extent, the Sun on Earth's oceans..."
}

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

OpenOrca 可以商用吗？

可以——OpenOrca 采用 MIT 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。

OpenOrca 有多少数据？需要全部使用吗？

OpenOrca 包含 4.2M Samples。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。

OpenOrca 最适合做什么？

Explanation-style SFT at scale (the Orca recipe)。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。