OpenOrca — LLM 指令 / SFT Dataset

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.

Dataset Details

ProviderOpen-Orca
Category指令 / SFT
Size4.2M Samples
LicenseMIT
Downloads1.8M
TagsFLAN, Explanation, GPT-4, Augmented, Large-Scale
from datasets import load_dataset
ds = load_dataset("Open-Orca/OpenOrca")

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

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。

← 全部数据集 | Fine-Tuning Guide