BAAI-WuDaoCorporaText文本预训练数据集

WuDaoCorpora是北京智源人工智能研究院（智源研究院）构建的大规模、高质量数据集，用于支撑大模型训练研究

搜集汇总

背景与挑战

背景概述

这是一个用于提升基础模型文本风格转换能力的中文指令数据集，包含文本改写和命题创作两个部分。数据通过人工收集风格并利用GPT生成，涵盖鲁迅、李白等作家及小说、新闻等多种文体风格，改写数据规模为9370条。