Python-Edu — LLM 指令 / SFT Dataset
A curated collection of high-quality Python tutorials, documentation, and clean code examples for training coding assistants.
Dataset Details
| Provider | OpenCoder |
| Category | 指令 / SFT |
| Size | 400 GB |
| License | MIT |
| Downloads | 120k |
| Tags | Code, Python, Tutorials |
from datasets import load_dataset
ds = load_dataset("")
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
- The Stack v2 — Pretraining code models across 600+ programming languages
- Cosmopedia — Synthetic-textbook pretraining for small models (the SmolLM recipe)
- OpenHermes 2.5 — The default general-purpose SFT mix for 7B-13B fine-tunes
- Databricks Dolly 15k — Commercially safe instruction tuning - fully human-written
常见问题
Python-Edu 可以商用吗？
可以——Python-Edu 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。
Python-Edu 有多少数据？需要全部使用吗？
Python-Edu 包含 400 GB。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。
Python-Edu 最适合做什么？
Continued pretraining for Python code understanding。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